劉勇 Email: lyssym@sina.com
本博客記錄作者在工作與研究中所經歷的點滴，一方面給自己的工作與生活留下印記，另一方面若是能對大家有所幫助，則幸甚至哉矣！
簡介
文本分類方法大部分使用基於模型的分類，基本上可以分為兩大類：1）基於規則的分類方法，采用為類別集合的每個類別確定分類規則，然后根據類別模板統計待分類文本，確定該文本所屬類別。基於規則的文本分類方法主要有：決策樹、關聯規則和粗糙集等；2）基於統計的分類方法，使用分類模型自動根據訓練集中的信息自動學習，從而構造出文本特征和類別之間的對應關系模型，利用訓練好的模型對待分類文本進行分類。基於統計的文本分類方法主要有：朴素貝葉斯、支持向量機、K均值等。
基於規則的分類方法采用特定的分類規則，比較理性，符合行為認知；基於統計的分類方法依賴機器學習的經驗，根據概率統計方法確定分類，能取得較好的分類效果。從整體上看，基於規則和統計的分類方法各有千秋，目前的主要研究方向為采用兩者的結合，提高分類的精確度。
需要指出，本文為貫通Web數據抓取和文本處理環節，采用基於規則的分類方法實現情感分析算法。
算法設計
情感分析架構圖
圖1 情感分析框架圖
鑒於目前文本處理多數集中於句子級分析，因此本文也采用句子級分析方式，其處理過程主要分為語句提取、特定詞抽取、句法分析以及計算評分。簡要描述如下：
1） 語句提取：根據中文文本的特點，以句號、問號以及感嘆號對文本進行分割。
2） 特定詞抽取：針對句子，抽取其中的連詞以及否定詞，從而輔助判斷情感分析。
3） 句法分析：根據連詞確定句子前后的分詞權重，針對否定詞確定極性反轉或雙重否定識別。
4） 計算評分：根據情感詞匯庫以及句法分析結構，綜合計算該句子評分。
特定詞提取
1） 連詞
根據參考文獻分析，在情感分析時，有指示特征的連詞特征為：
並列連詞：前后句子極性一致；
選擇連詞：前后句子極性一般一致；
遞進連詞：前后句子極性一般一致，后句稍加強烈；
轉折連詞：前后句子極性相反，后句更加強烈。
其它連詞類型對情感傾向不敏感，目前暫不予考慮。若后期對算法優化，可以予以增加。
表1 連詞及其關聯權重
| 標識 | 關系類型 | 前句權重 | 后句權重 | 舉例 |
| 1 | 並列關系 | 0.5 | 0.5 | 既，又 |
| 2 | 選擇關系 | 0.5 | 0.5 | ，或者 |
| 3 | 遞進關系 | 0.4 | 0.6 | 不但，而且 |
| 4 | 轉折關系 | 0.2 | 0.8 | 雖然，但是 |
| 5 | 選擇關系 | 0.4 | 0.6 | 與其，寧肯 |
| 6 | 選擇關系 | 0.6 | 0.4 | 寧願，絕不 |
如表1所示，為本文算法采用的連詞及其關聯權重，判斷前句與后句的主要以第二個連詞作為區分；若僅有一個連詞，則以該唯一連詞作為區分對象。
2） 否定詞
否定詞在文本中具有獨特的語法意義和影響，一般情況下，被否定詞修飾的詞匯一般會改變情感極性。此外，由於中文中存在多重否定的現象，鑒於雙重否定所占比例較大，本文算法僅考慮雙重否定該情形。
本文暫時擬定的否定詞為：不、無、非、莫、勿、未、不要、不必、沒有等。若后期對算法進行優化，則視情形進行增加與刪減。
評分計算
本文情感極性詞匯庫采用大連理工大學情感詞匯本體，根據實際應用需求，對該詞匯庫進行補充與修正，同時引入連詞規則以及否定詞等進行輔助計算。
計算過程為：
1） 將Web文本進行分句，使其以句子為單位進行處理；
2） 從分句中抽取連詞和否定詞，並標記相應連詞與否定詞位置；
3） 訪問情感詞匯本體，確定詞匯極性及其強度；
4） 針對連詞（若有），通過連詞連詞位置，確定前句與后句所占比重，針對否定詞（若有），根據否定詞位置判斷雙重否定，以及臨近詞匯的極性反轉；若不包含連詞或者否定詞，則略過該步驟；
5） 累加本句情感計算評分；
6） 循環訪問步驟2）至步驟5）計算該Web文本的評分，若為正則為正面，若為負則為負面，否則為中性。
展望
本文算法目前采用基於規則的分類方法，通過引入關聯規則（連詞、否定詞）對句子進行分析，計算出其情感傾向，進而引申至全文的情感傾向。從應用的角度，該方法能滿足用戶一般性需求。
另一方面，由於漢語語法復雜，而且涉及的規則呈現多樣化、復雜化，若要獲取精確的情感分類，采用基於統計的方法與基於規則的方法相結合，將是后期進行優化的研究方向。
參考文獻
[1] 李亞珍，李曉戈，於根. 基於中文股票博客的情感分類[J]. 武漢大學學報(理學版): 2015, 61(2):163-168.
[2] 李實，葉強，李一軍等. 挖掘中文網絡客戶評論的產品特征及情感傾向[J]. 計算機應用研究:2010, 27(8):3016 -3019.
[3] 烏達巴拉，汪增福. 一種擴展式CRFs的短語情感傾向性分析方法研究[J]. 中文信息學報:2015, 29(1):155-162.
作者：志青雲集
出處：http://www.cnblogs.com/lyssym/p/4880896.html
如果，您認為閱讀這篇博客讓您有些收獲，不妨點擊一下右下角的【推薦】。
如果，您希望更容易地發現我的新博客，不妨點擊一下左下角的【關注我】。
如果，您對我的博客所講述的內容有興趣，請繼續關注我的后續博客，我是【志青雲集】。
本文版權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接。