暴走御姐除了情感词汇之外，句子的表达方式也会对句子的褒贬情感产生巨大影响。比较下面两句话：“这瓶洗发水，适合头发很干的人用。”“用了这瓶洗发水，头发会变得很干。”这两个句子的用词差不多，“洗发水”，“头发”，“很干”。但是第一句是褒义，第二句则很可能是贬义。还有一类和表达方式有关的问题是“反话”。很多褒义词受论坛文化的影响，有往贬义发展的趋势，比如“您太有才了”等。让机器理解这些表达方式也是情感分析面临的一个挑战。
(3)关系抽取
识别情感和特定主题的关系是情感分析的又一任务。比如这样一条评论：“Sony笔记本的外观蛮好看，就是价格太贵了”。在面向电子商务的情感分析中，就需要识别顾客对Sony外观和价格所持有的不同情感。另外同样的词语由于描述的对象不同，表达的情感也会不同，比如在产品评论中，同样是“少”，在描述“价格少”时是一种褒义、积极的情感，而“种类少”却是是一种贬义、消极的情感。这些问题就涉及识别情感所描述的对象问题，即关系抽取。
5、研究展望
情感分类过程主要有上下承接的两个任务：主客观文本分来和情感识别。总体上，随着自然语言处理技术的发展，国内外的研究已经取得了不小的成果，在评论分析、个性化推荐和舆论监控等方面也得到了应用，如Dave研发的Review Seer是世界上第一个情感分析工具，也是第一个针对产品评论区别其褒贬性的系统[42]。Gamon等开发的Pulse系统可自动挖掘网上用户对汽车评价中的贬褒信息和强弱程度[43]。Liu等开发的Opinion Observer系统可以处理网上顾客对产品的评价，对涉及产品各种特征的优缺点进行统计，并采用可视化方式对产
品特征的综合质量进行比较[44]。但这些应用仍不尽如人意，今后还需在以下几方面展开深入研究：
1)相比于面向主题的文本分类，情感分类的精度还比较低，主要由用词习惯、表达方式等问题造成的。如何提高情感分类的准确率和召回率，是今后的研究重点。
2)利用文本的更多特征来提高情感分类效果。如标点符号对文本的情感表达有特殊作用，“！”号和“？”的情感强度明显强于其他标点，但目前的研究中还鲜有考虑。
3)将情感分析分成主客观文本分类和情感分类两个步骤，甚至在此基础上还要进行强度分类，这会造成冗余问题：前一步骤的误差同时会影响到后面步骤的准确度。考虑冗余问题的情感分析建模也是今后的研究方向之一。
4)除单纯地识别情感态度和强度，文本情感分类还需与其他文本挖掘技术结合，实现情感和情感对象的关系抽取，挖掘出比单独的褒或贬的情感倾向更有价值的信息，以提高情感分类的应用价值。
【参考文献】
[1]Pekar V,Ou S.Discovery of subjective evaluations of product features in hotel reviews [J]. Journal of Vacation Marketing, 2008, 14(2): 145-155.
[2]姚天，程希文，徐飞玉，等.文本意见挖掘综述[J].中文信息学报，2008,22(5):71-80.
[3]陈博.Web文本情感分类中关键问题的研究[D].北京：北京邮电大学博士论文，2008.
[4]Wiebe J. Trackingpointof viewinnarrative [J]. Computational Linguistics, 1994, 20(2): 233-287.
[5]Wiebe J. Learning subjective adjectives from corpora[C]// Proc. of the 17[th] National Conf. on Artificial Intelligence (AAAI-2000). Texas, USA, 2000.
[6]Wiebe J, Bruce R, O'Hara T. Development and use of a gold standard dataset for subjectivity classifications [C]// Proc. of the 37[th] Annual Meeting of the Association for Computational Linguistics (ACL-99), Seattle, USA, 1999: 246-253.
[7]Wiebe J, Wilson T, Bruce R, et al. Learning subjective language[R]. Technical Report TR-02-100, Pennsylvania, USA, 2002.
[8]Bruce R, Wiebe J. Recognizing subjectivity: A case study in manual tagging [J]. Natural Language Engineering, 1999, 5(2): 187-205.
[9]Wilson T, Wiebe J, Hoffmann P. Recognizing contextual polarity in
phrase level sentiment analysis [C]// Proc. of Human Language Technologies Conference/Conference on Empirical Methods in Natural Language Processing (HLT/ EMNLP2005). Vancouver, Canada, 2005: 347-354.
[10]Hatzivassiloglou V, Wiebe J. Effects of adjective orientation and gradability on sentence subjectivity[C]//Proc, of 18[th] Int'l Conf. on Computational Linguistics(COL ING-2000). NJ, USA, 2000.
[11]Wiebe J, Wilson T, Bell M. Identifying collocations for recognizing opinions [C]//Proc. of the ACL-01 Workshop on Collocation. Toulouse, France, 2001.
[12]Yu H,Hatzivassiloglou V.Towards answering opinion questions: separating facts from opinions and identifying the polarity of opinion sentences[C]// Proc. of the 2003 Conf. on Empirical Methods in Natural LanguageProcessing. Sapporo, Japan, 2003: 129-136.
[13]Pang B, Lee L. A sentimental education: Sentiment analysis using subjectivity summarization based onminimum cuts[C]//Proc. of the 42[nd] Meeting of the Association for Computational Languages. Barcelona, Spain, 2004: 271-278.
[14]林斌.基于语义技术的中文信息情感分析方法研究[D].哈尔滨：哈尔滨工业大学硕士论文，2007.
[15]叶强，张紫琼，罗振雄.面向互联网评论情感分析的中文主观性自动判别方法[J].信息系统学报，2007,1(1):79-91.
[16]王根，赵军.基于多重冗余标记CRFs的句子情感分析研究[J].中文信息学报，2007,21(5):51-55.
[17]TurneyP.ThumbsUporThumbsdown?Semantic orientation applied to unsupervised classification of reviews [C]ff Proc. of the 40[th] Annual Meeting of the Association for Computational Linguistics. NJ, USA, 2002: 417-412.
[18]Dave K,Lawrence S,Pennock D.Mining the peanut gallery:Opinion extraction and semantic classification of product reviews[C]// Proc. of the 12[th] Int'l World Wide Web Conf.: ACM Press. Budapest, Hungary, 2003: 519-528.
[19]Tong R M. An operational system for detecting and tracking opinions in on-line discussion [C]// SIGIR Workshop on Operational Text Classification. NY, USA, 2001: 1-6.
[20]Hu M, Liu B. Mining and summarizing customer reviews [C]// Proc. of Knowledge Discovery and Data Mining, NY, USA, 2004: 168-177.
[21]Liu H, Lieberman H, Selker T. A model of textual affect sensing using real-world knowledge [C]// Proc. of the 11[th] Int'l. Conf. on
