文本情感分类方法在信息过滤、信息安全、信息推荐中都有广泛的应用。提出一种基于语义理解的文本情感分类方法,在情感词识别中引入了情感义原,通过赋予概念情感语义,重新定义概念的情感相似度,得到词语情感语义值。分析语义层副词的出现规律及其对文本倾向性判定的影响,实现了基于语义理解的文本情感分类。实验表明,该方法能有效地判定文本情感倾向性。
Ho Ne中若词语有多种表达含义, w t则词语有多个义项, 每个义项又由多个义原组成,那么词语的语义相似度计算实际上是义原的相似度计算。 对于两个词语 w和 Wz假设词语 w有,个义项 y,, z J y,,, 2… 词语 w有 m个义项 Z, 2…,卅则词语的相 Z, Z,似度计算如下: Sm( 1 i W, )一 z 1,,,= 1,,=… …
度、立体型文本分类的一个重要研究方面,具有广泛的应用前景。基于语义理解的方法首先对文本进行预处理,得到标注
词性的文本;然后利用对文本特定模式的抽取,得到文本的固 定词性搭配;结合词语情感值计算方法计算抽取出来的词再语的情感值;最后通过文本情感计算获取文本的情感倾向性。 基于上述过程的文本情感分类系统基本框架如图 1所示。
ma x
Sm(, ) i: Z,
() 1
文本极性列表
将词语相似度的计算转换成概念之间的相似度计算。 12义原相似度计算 .在 Ho Ne中概念由义原表示,以概念相似度计算的 w t所前提是义原相似度计算。 由于所有义原根据上下位关系构成了一个树状的义原层
L苎一 堕 J 皇 预处理
—
—
f一 I
文本情感计算 情感语义处理文本特征选择文本情感分类
主 抽取文本代表词对词语情感值计算
次体系,因此可以使用式 ( ) 2计算两个义原之间的语义距离。 Sm( 1户 ) i p, 2一d+ _ r a
图 1文本情感分类系统
2 2文本特征选择 . () 2
在文本中,论者对于所发表的评论性文本,能表达了评可
式中,和 P表示两个义原, P P z d是和 P z在义原层次体系中的路径距离,是一个可调节的参数。 a 13概念情感相似度计算 .
“支持”“、中立”“或反对”的态度,但发表评论的目的必然
是
“推荐”不推荐”或“。因此,本文只对那些可能带有情感的词 语进行抽取,比如形容词、名词和动词。为了更好地获取词语的语义倾向,需要建立如下统一的抽取规则。 规则 1形容词+名词:规则 2副词+形容词:
在进行概念相似度计算时,概念分成 4个部分:第一将“ 基本义原”“,其他基本义原”“系义原”符号义原”,关和“。但 是基于以上 4种义原的相似度计算只考虑了词语替换的程
度,没有考虑词语的情感语义。概念 S, 2间的相似度计 S之 算如下: 4 i
规则 3形容词+形容词: 规则 4名词+形容词:
Sm( 1 S )∑&I Sr. 15 ) i S,2一 I i,S,2 e(
() 3
规则 5副词+动词: 2 3情感语义处理 . 在语义层次上,接抽取出的情感词的倾向性可能不足直
本文在计算情感相似度时引入了情感义原 S m( Z, e Y, )改进后的概念 y, Z情感相似度具体计算如下: 4 i
以支持文本情感的准确表达。例如,不理想”非常理想”“和“, 其中的情感词“理想”来是褒义词,本但是由于否定副词“”不 和程度副词“非常”的出现,整个句子的语义在不同程度上都 有所改变。因此,词的出现可以对句子的倾向性加强、弱副减
S m( Z一∑&I ( Sm ( Z+ S r ( Z) ( ) i Y, ) I i j y, ) e Y, ) e 4
式中,i y, ) Sr ( Z表示概念 y与 z的“ e第一基本义原”的相似度;i 2y,表示概念 y与 Z的“他基本义原” Sr ( Z) e其的相似度; Sr ( Z表示概念 y与 Z的“系义原” i3y, ) n关的相似度; i4 Sm ( Z表示概念 y与 Z的“ y, )符号义原”的相似度;e Y, ) S m( Z表示概念 y与 Z的“感义原”情的相似度。当词语间的情感义原相同时,该值被设定为 1当词语间的情感义原不相同或不;存在时,该值被设定为 0。是可调节的参数,其中 1…,,, 4+++一1,从 S到 Sm4于总体相似度所起的作用依次递减, i mt i对因此
甚至反向。研究副词及其出现规律对文本的情感倾向性显得 尤为重要。 否定副词在文本中占有极其重要的地位,的出现可以它直接改变原有语
句的情感倾向性。例如,不/“ d满意/” v、“/不 d差/” a等等。“满意”差”和“有其对应的倾向性,由于但否定副词的出现就使其表达了与原情感倾向性相反的含义。 本文从 Ho Ne中人工抽取出 2个否定副词,表 1 w t 2如所
设置的参数满足≥≥≥且。 ,
列,并从语料中抽取出否定规则。 表 1否定副词表 否定副词
用来设置知网义原与情感义原的权重,+一1 。
14基于概念情感相似度的词语情感语义值 .计算出概念情感相似度之后,要计算词语的情感值。需 本文从 Ho e中人工挑选出褒贬基准词集合 P和 Nj wN t j。利
并非、、不不对、不再、曾、不不至于、不、从毫不、毫无、决非、绝非、 没、没有、尚未、、未未必、尝、曾、未未永不、不大、不太、不很
用式( ) 5计算词语的情感值。 1 1
对于词语的情感值, ( )式 5已经给出了计算方法,然而,当句子中出现了满足规则的否定副词时,则利用式 ( )词组的 6对情感词极性进行调整。 S p a e一 ( 1 *S n iit ( ) O( hr s)一 ) e sbl y w i () 6
S niit(一∑ Sm( P ) es lyw) bi i w,一∑ Sm( N, ( ) i w, ) 5 ,=1 Lt , j 1 n=
式中, niit(表示词语 w的情感值; i w,表示 e bi S s ly w) Sm( P )
词语 W与褒义基准词集合 P的相似性;i w, ) S m( 表示词 语 W与贬义基准词集合 N,的相似性。
式中,O( hae为抽取出的词组的情感值; S p rs)为满足否定规 则时对于词语伽而言否定副词的出现次数。
2基于语义理解的文本情感分类方法 2 1基于语义的文本情感分类 .
除了否定副词之外,度副词对句子的倾向性也起着不程同程度的影响,以对句子的情感有加强或者减弱的作用。可 例如: “这款手机质量非常糟糕”
文本情感分类是根据文本所表达内容的情感倾向性将文本分成支持类、中立类和反对类。文本情感分类是未来多角
22 6

37 No. 6 June 2010 基于语义理解的文本情感分类方法研究闻 彬 1, 2, 3 何婷婷 1, 2 罗乐 1, 2 宋乐 1, 2 王倩1, 2 ( 华中师范大学计算机科学与...
基于语义特征的文本情感倾向识别研究_专业资料。由于网络评论用语的多样性,常用的文本主题分类方法并不能完全适应情感倾向识别。针对这个问题,从语义理解的角度出发,...
提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类。首先提取文本中的情感词汇作为特征,利用统计学方法得到特征的初始权重,然后通过分析文本语义结构...
基于语义理解的文本情感... 45人阅读 4页 2.00 支持增量学习的文本单...类别语义识别的文本分类算法...
基于语义关联的文本分类研究_专业资料。传统的文本表示是在向量空间模型的基础上,采用特征选择方法降低文本的维数,这种方法认为文本中词语是相互独立的,没有考虑彼此...
基于语义距离的文本分类方法_互联网_IT/计算机_专业资料 暂无评价
基于语义特征的文本情感... 15人阅读 3页 2.00 基于语义理解的文本情感...使用K最近邻方法将文本情...
基于语义理解的文本情感... 45人阅读 4页 2.00 一个面向文本分类的...现有的文本分类算法大都基...
基于语义规则的Web金融文本情感分析_互联网_IT/计算机_专业资料。Journal of Computer Applications ISSN 10o1.9081 201 Journal of Computer Applications ISSN 10...
一种基于粒运算的文本情感分类方法研究_专业资料。随着Internet的迅猛发展,人们... 基于语义理解的文本情感... 59人阅读 4页 2.00 基于赋权粗糙隶属度的...
热门文档