Web文本情感分类研究综述

Web文本情感分类研究综述

王洪伟/刘勰/尹裴/廖雅国

2012-9-27 14:55:59 来源：《情报学报》(京)2010年5期

【英文标题】Review of Sentiment Classification on Web Text

【作者简介】王洪伟，男，1973年生，博士，副教授／博士生导师，研究方向：本体建模和情感计算，E-mail:hwwang@tongji.edu.cn。同济大学经济与管理学院，上海200092；

刘勰，男，1985年生，硕士研究生，研究方向：数据挖掘与情感计算。同济大学经济与管理学院，上海200092；

尹裴，女，1986年生，硕士研究生，研究方向：商务智能。同济大学经济与管理学院，上海200092；

廖雅国，男，1954年生，博士，教授，研究方向：人工智能与电子商务。香港理工大学电子计算学系，香港

【内容提要】对用户发表在Web上的评论进行分析，能够识别出隐含在其中的情感信息，并发现用户情感的演变规律。为此，本文对Web文本情感分类的研究进行综述。将情感分类划分为三类任务：主客观分类、极性判别和强度判别，对各自的研究进展进行总结。其中将情感极性判别的方法分为基于情感词汇语义特性的识别和基于统计自然语言处理的识别方法。分析了情感分类中的语料库选择和研究难点。最后总结了情感分类的应用现状，并指出今后的研究方向。

Analyzing the users' reviews on the Web can help us to identify users' implicit sentiments and find the evolution laws of their emotion. To this end, this paper is a survey about the sentiment classification on the Web text. We divided the process of classification into three categories:subjective and objective classification,polarity

identification and intensity identification and respectively summarize the resent research achievements in these fields. We also sorted the methods of polarity identification into two types: one is based on the emotional words with semantic characteristics, while the other statistic methods of natural language processing. What is more, the choice of corpus and potential research problems are discussed. At last, this paper summarized the status quo of application and pointed out the direction of future research.

【关 键 词】Web文本/情感分类/综述/主观性文本Web texts/Sentiment classification/Survey/Subjective text

随着互联网的流行，Web文本成为我们获取信息、发表观点和交流情感的重要来源。特别是随着Web2.0技术的发展，网络社区、博客和论坛给网络用户提供了更宽广的平台来交流信息和表达意见。这些文章和言论往往包含有丰富的个人情感，比如对某部大片的影评，对某款手机的用户体验等，其中蕴含着巨大的商业价值。如何从这些Web文本中进行情感挖掘，获取情感倾向已经成为当今商务智能领域关注的热点。所谓情感分析(sentiment analysis)，就是确定说话人或作者对某个特定主题的态度。其中，态度可以是他们的判断或者评估，他们（演说、写作时）的情绪状态，或者有意（向受众）传递的情感信息。因此，情感分

析的一个重要问题就是情感倾向性的判断，即判断作者的观点是褒义的、积极的，还是贬义的、消极的。这类问题也被称为情感分类(sentiment classification)。

1、文本情感分类概述

在已有的研究中，情感分类也被称为意见挖掘(opinion mining)[1,2]。为了表述一致，本文统称为情感分类。情感分类涉及多个领域，如自然语言处理、人工智能、自动文本分类、文本挖掘、心理学等。它不同于传统的基于主题自动文本分类，后者分类的依据是文本的主题，如属于军事类还是体育类，而情感分类主要用来判别自然语言文字中表达的观点、喜好以及与感受和态度等相关的信息[3]。由于Web文本是以非结构化形式存在的，因此对文本进行情感分类是一个复杂的过程，包括：主客观文本分类、情感极性判别、情感强度判别。前者是情感分类的预处理工作，后两者才是真正意义上的情感分类。为了避免混淆，我们将后两者统称为情感识别（见图1）。

图1描述了从原素材到得出情感结果的整个情感分类过程。其中，原素材中的文本可以是句子或者是整篇文章，它们所对应的分类任务分别为句子情感分类和文档情感分类。为了减少干扰，提高情感分类的精度，首先要对文本进行主观性识别，即主客观文本分类。只有带有主观色彩的文本才会蕴含着作者的情感，所以情感识别的对象是主观文本。情感识别分为极性判别和强度判别两个任务。极性分类是识别主观文本的情感是正面的赞赏和肯定还是负面的批评与否定。而强度判别则是判定主观文本情感倾向性强度，比如强烈贬抑、一般贬抑、客观、一般褒扬、强烈褒扬五个类别。

在整个情感分类过程中，还涉及分类前的预处理技术，包括分词、词性标注、

平滑、停用词和缩词的处理等语言处理技术，这些技术相对成熟，不再赘述。下面从主客观文本分类和情感识别两个方面来总结情感分类的研究现状。

2、主客观文本分类现状

所谓“主观性”是指在自然语言中用来表达意见和评价的语言特性[4]。主观性文本表达的是说话者对某人、某物或某事的态度和看法，包含个人的主观情感色彩。与之相对应的客观性文本则描述客观存在的事实，说话者往往持有中立和客观的情感。在表述上，主客观文本也有明显的差异，客观性文本通常采用比较正式的陈述句，而主观性文本因为强调自我表达，表述上比较自由，偏口语化，比如“这款手机酷毙啦！”。

主客观文本分类研究已经展开，并应用在信息检索和信息抽取等领域[5]。主客观文本分类与其他文本分类类似，可以从篇章、句子和词语三个层面展开，用到的方法主要是机器学习算法。

Wiebe等很早就对主客观文本分类问题进行了研究[4～11]。Wiebe和Bruce将某些词类（代词、形容词、基数词、情态动词和副词）、标点和句子的位置作为特征值，设计了针对句子级别的NB分类器[6]。在此基础上，Wiebe[5]又将某些词性和基于词典的语义词作为特征项，显著提高了分类器的分类效果。Wiebe和Wilson还针对基于篇章层面的分类方法进行了研究[7]。通过计算每篇文档中出现的主观性词语数量，用KNN分类器来判断篇章的主客观性，取得了较好效果。

图1情感分类的主要过程

Yu等利用三种统计方法进行主客观句的识别研究，包括相似性方法、NB分类和多重NB分类。其中NB分类器在原有研究的基础上采用词、2-gram、3-gram和词类、具有情感倾向的词序列、主语和其直接修饰成分等作为特征项，对主观句识别的查准率和查全率达到了80%～90%[12]。

Pang和Li将句子间的情感联系作为分类的一个重要因素，用最小图割(Minimum cuts)的方法来寻找上下文语句的关系以提高分类精度。它的划分原理是使成本公式最小：

中文语境下主客观文本分类具有一定的复杂性，而且对中文主观性文本的判别起步较晚，大多数情感分析研究都是人为抽取主观性文本。