文本情感分析

✍ dations ◷ 2025-06-28 06:06:42 #文本情感分析
文本情感分析(也称为意见挖掘)是指用自然语言处理、文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观信息。通常来说,情感分析的目的是为了找出说话者/作者在某些话题上或者针对一个文本两极的观点的态度。这个态度或许是他或她的个人判断或是评估,也许是他当时的情感状态(就是说,作者在做出这个言论时的情绪状态),或是作者有意向的情感交流(就是作者想要读者所体验的情绪)。文本情感分析的一个基本步骤是对文本中的某段已知文字的两极性进行分类,这个分类可能是在句子级、功能级。分类的作用就是判断出此文字中表述的观点是积极的、消极的、还是中性的情绪。更高级的“超出两极性”的情感分析还会寻找更复杂的情绪状态,比如“生气”、“悲伤”、“快乐” 等等。在文本情感分析领域,早期做出研究贡献的有 Turney 和 Pang 他们运用了多种方法探测商品评论和电影影评的两极观点。此研究是建立在文档级所进行的分析。另一种文档意见的分类方式可以是多重等级的,Pang 和 Snyder (among others): 延伸了早先的基础两极意见研究,将电影影评分类并预测为3至4星的多重级别,而 Snyder 就餐馆评论做了个深度分析,从多种不同方面预测餐馆的评分,比如食物、气氛等等 (在一个5星的等级制度上)。尽管在大多数统计方面的分类方式中,“中性” 类是经常被忽略的,因为“中性”类的文本经常是处于一个两极分类的边缘地带,但是很多研究者指出,在每个两极化问题当中,都应该识别出三个不同的类别。进一步的说,一些现有的分类方式 例如 Max Entropy 和 SVMs 可以证明,在分类过程中区分出“中性”类可以帮助提高分类算法的整体准确率。另一种判定文本情绪的方法是利用比例换算系统。当一个词普遍被认为跟消极、中性或是积极的情感有关联时,将这个词赋予一个-10到+10之中的数字级别(最消极到最正向情感),在使用自然语言处理来分析一个非结构化文本数据后,余下的的概念也可以被分析来得出词与概念的相关性。 接下来,每一个概念都可以被赋予一个分数,这个分数是基于情感词汇和这个概念的关联度,以及他们本身的分数而得出的。这个方法让文本情感的理解晋升到一个更加智能的层面,并且是基于一个11分的等级范围的。另外一种方法是,计算出文本正向的和消极的情感力度分数, 如果研究的目的是要判定一个文本的感情,而不是总体文本集的两极分布或文字的力度。另一个研究方向是“主观/客观 识别”。这个研究 通常被定义为将一个已知文本(一般是句子)分类成两个类:主观和客观。这个问题有些时候比两极化分类问题更难解决。 主观词汇和短语可能是基于前后文语意联系,而一个客观文档有可能包含主观语句(e.g. 一篇新闻引用了某人的观点)。此外, Su 也曾提到过,得到的结论在很大程度上依赖于注释文本时对“主观”的定义。不过, Pang 证实了如果两极分类前去除文件中的客观语句,会提高算法的表现。一个更加优化的分析模型叫做“功能/属性为基础的情感分析(feature/aspect-based sentiment analysis)”。这是指判定针对一个实体在某一个方面或者某一功能下表现出来的意见或是情感, e.g. 一个实体可能是一个手机,一个电子相机,或者空白。一个“功能”或者“方面”是一件实体的某个属性或者组成部分,e.g.一个手机的屏幕,一个相机的成像质量,等等。 这个问题涉及到若干个子问题,譬如,识别相关的实体,提取他们的功能/属性,然后判断是否在提及这个功能/属性时有正面或者负面或者中性的情绪或意见。 更多关于这个层面的文本情感分析可以参照NLP手册“情感分析和主观性”这一章。现有的文本情感分析的途径大致可以集合成四类:关键词识别、词汇关联、统计方法和概念级技术。 关键词识别是利用文本中出现的清楚定义的影响词(affect words),例如“开心”、“难过”、“伤心”、“害怕”、“无聊”等等,来影响分类。词汇关联除了侦查影响词以外,还附于词汇一个和某项情绪的“关联”值。 统计方法通过调控机器学习中的元素,比如潜在语意分析(latent semantic analysis),SVM(support vector machines),词袋(bag of words),等等。(参见Peter Turney在相关领域的研究成果。)一些更智能的方法意在探测出情感持有者(保持情绪状态的那个人)和情感目标(让情感持有者产生情绪的实体)。要想挖掘在某语境下的意见,或是获取被给予意见的某项功能,需要使用到语法之间的关系。语法之间互相的关联性经常需要通过深度解析文本来获取。与单纯的语义技术不同的是,概念级的算法思路权衡了知识表达(knowledge representation)的元素,比如知识本体 (ontologies)、语义网络(semantic networks),因此这种算法也可以探查到文字间比较微妙的情绪表达。例如, 分析一些没有明确表达相关信息的概念,但是通过他们对于明确概念的不明显联系来获取所求信息。有很多开源软件使用机器学习(machine learning)、统计、自然语言处理的技术来计算大型文本集的情感分析, 这些大型文本集合包括网页、网络新闻、网上讨论群、网络评论、博客和社交媒介。

相关

  • 乳铁蛋白1B0L, 1BKA, 1CB6, 1DSN, 1EH3, 1FCK, 1H43, 1H44, 1H45, 1HSE, 1L5T, 1LCF, 1LCT, 1LFG, 1LFH, 1LFI, 1LGB, 1N76, 1SQY, 1U62, 1VFD, 1VFE, 1XV4, 1XV7, 1Z6V, 1Z6W, 2BJJ
  • 眼药水眼药水是治疗眼睛疾病的药水,其成分依作用的不同有许多种类,例如类固醇、抗生素、抗组织胺药、 β阻滞剂、非类固醇消炎止痛药等。一般眼药水为了长期保存而添加了微量的防腐
  • 婴儿床婴儿床是四周有护栏的小型床,让婴儿和非常年幼的儿童使用,提供他们一个安全舒适的坐卧之处,并培养良好的睡眠习惯。婴儿床最大的特色是周围有护栏,保护婴儿和幼童不至于摔落床下
  • 冷漠冷漠或无情指缺乏情感、兴趣及关切之心。冷漠的人保持着冷淡的态度,或会抑压着担忧、兴奋、动机及或激情,并失去对生命以及世界在情感、社会、灵性、哲理和实质的关心和兴趣。
  • 变位变位(英文: conjugation、拉丁文:conjugatio)是指动词根据人称、数、性、时态、体、式的不同而产生的词形变化。变位是语法学中属于动词的特有范畴。静词的词形变化不能称为变位
  • 对照实验对照实验(英语:control experiment)是在实验中设置比较对象(对照组)的一种科学方法,目的是为了与进行实验的对象(实验组)进行对照,减少实验中不确定的变数带来的影响,以之来显示出实验
  • 木薯木薯(学名:Manihot esculenta),又称树薯,是一种大戟科木薯属植物,原产于南美洲。木薯为灌木,有肉质长圆柱形块根;茎直立有乳汁,叶子互生,掌状3-9深裂,裂片披针形至长椭圆状披针形;顶生或
  • 1990年1990年美国人口普查(英语:1990 United States Census)是由美国人口调查局于1990年进行的一次人口普查。第21次全美人口普查于1990年由人口调查局进行,并于1990年4月1日结束。在
  • 大隅良典大隅良典(日语:大隅 良典/おおすみ よしのり Ōsumi Yoshinori,1945年2月9日-),日本分子细胞生物学家。现任东京工业大学前沿研究机构特聘教授、第6位东京大学特别荣誉教授等职。
  • 团藻团藻(Volvox)为绿藻门团藻科一种藻体,分布于静止的小型池滨内,春季较盛,并常成纯群。藻体为球形群体,直径约一、二毫米,能游动,整体由数百至上万个具有鞭毛的细胞排列成一层中空球