以主观线索为特征的主观性文本识别

2015-12-20刘勇华李爱萍段利国王鸿翔

计算机工程与设计 2015年9期

刘勇华，李爱萍，段利国，邸鹏，王鸿翔

（太原理工大学计算机科学与技术学院，山西太原030024）

0 引言

文本情感分析的前提是对文本中主观成分的识别和提取。例如：在文本情感分析中［1］，处理的文本类型就是主观性文本。事先对文本进行主观性判别是很有必要的，不仅可以有效地减少分析的范围，还可以提高分析的速度和精确度。主观文本识别主要有两种方法，基于词典和基于统计。基于词典的方法利用事先建立的情感词典（可以人工标注或是机器统计），统计文本中的词语是否含有情感，再进一步判别文本主客观性［2］，这种方法非常依赖情感词典。基于统计的方法利用训练好的数据模型，采用机器学习的方法，对待测文本进行判别［3］。常用的机器学习方法有：朴素贝叶斯（NB）、支持向量机（SVM）、决策树、K最近邻、最大熵模型等。这种方法在训练数据的标注、特征选取、分类器的选取等方面具有一定的局限性。目前，学者们为了得到更高的准确率和更快的分类效率，大多数采用基于词典和基于统计相结合的方法进行文本主观识别［4－6，9－11］。针对包含丰富情感信息的主观线索研究还较少，比如复杂句式的关联词特征研究较为缺乏。因此，本文将关联词、情感词以及指示性动词、感叹词、程度副词、带有情感色彩的标点符号等6种主观线索成分作为分类特征，建立主观线索特征词表，用朴素贝叶斯分类器对文本的主客观性进行判别。