利用三层条件随机场模型进行情感极性分类及强度分析

《利用三层条件随机场模型进行情感极性分类及强度分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第34卷第4期2017年4月计算机应用研究ApplicationResearchofComputersV01．34No．4Apr．2017利用三层条件随机场模型进行情感极性分类及强度分析李向前，李军伟+(北京交通大学计算机与信息技术学院，北京100044)摘要：通过对商品评论进行基于方面的情感分析，可以得到某件商品各个方面的优劣情况。提出利用三层CRF模型进行情感极性分类及强度分析。在CRF模型中，融合了词、词性、语气词、程度词、方面和评价词的共现等特征。在情感句识别、情感极性分类和情感强度分析上得到的

2、几值分别为86．3％、77．2％、70．7％，证明了：a)分层CRF模型在各个层次的任务中都能取得较好的结果；b)语气词、程度词、方面和评价词的共现特征在情感分类时的有效性。关键词：商品评论；情感分类；情感强度分析；条件随机场中图分类号：TP391．1文献标志码：A文章编号：1001—3695(2017)04—0986．05doi：10．3969／j．issn．1001-3695．2017．04．006Sentimentclassificationandstrengthanalysismethodbas

3、edonthree—layeredconditionalrandomfieldsLiXiangqian，LiJunwei’(SchoolofComputer＆InformationTechnology，BeijingJiaotongUniversity，Beijing100044，China)Abstract：Inresearchaboutproductcomments．aspect—basedemotionanalysiscanhelppeopletofindoutstrengthsandweak．n

4、essesofeachaspectofaproduct．Thispaperproposedasentimentanalysismethodbasedthree．1ayeredCRFmodel．ItusedallWOrd，partofspeech，modalparticles，degreeWOrd，CO—occurrenceofaspectandevaluationtermfeaturesinCRFsmodel．TheF1一measureofemotionsentencerecognition．emoti

5、onalpolarityclassificationandemotionalstrengthanalysiswere86。3％．77。2％and70。7％respectively，Itprovestllat1ayeredCRFleadstobetterresultineachlayerthanusualCRF．mo—dalparticles．degreeword．CO—occurrenceofaspectandevaluationtermareallusefulfeaturesinsentimentan

6、alysis．Keywords：productreviews；sentimentclassification；sentimentstrengthanalysis：conditionalrandomfields0引言随着互联网的蓬勃发展，网购已成为人们生活中必不可少的活动之一。在购物网站或者其他论坛上不断积累下来的评论文本中蕴藏着大量有用信息。对评论文本进行情感分析，一直是近年来的研究热点之一。文本的情感分析可分为无监督和有监督两类方法。无监督学习进行情感分类时，一般是基于已有的情感知识(如情感词典)，分

7、别计算一篇文本与知识库中褒贬两类之问的相关性，然后将该文本划分到相关性较强的一个类别。例如Hu等人⋯提出首先将包含方面的评论语句中的形容词作为情感词，然后基于WordNet确定情感词的情感极性；姚天防等人‘21基于情感词的褒贬极性并考虑否定词和程度词的影响，最终确定一条语句的情感极性及强度；Turney【3o提出了PMI—IR方法等。有监督学习进行情感分类时，常选取词的N—gram、情感词等特征，利用NB、SVM等方法进行褒贬极性分类。如Pang等人Ho用NB、ME(最大熵)、SVM等机器学习方法对电影

8、评论作情感极性分类；徐军等人¨1针对新闻和评论语料，利用NB和ME方法进行情感极性分类研究。此外还有基于计分函数拍o、基于logistic回归_1、基于图模型哺1等方法。例如丁晟春一1提出利用层叠CRF模型进行情感极性及强度分析，在第一层将情感分为褒义、中性和贬义三类，在第二层继续将情感划分为强烈褒义、一般褒义、中性、一般贬义和强烈贬义五类；他们还通过实验证明了层叠CRF模型比单层CRF模型效果更好。本文提出利用三层CRF模型进行情感极性分