贾 川，方 睿，浦 东，康 刚

(成都信息工程大学 计算机学院，四川 成都 610225)

0 引言

随着互联网上由用户生成的评论文本数据不断增多，此类数据的研究价值和商业价值也越来越明显，而情感分析或观点挖掘是针对此类文本数据的主要利用方式[1]。早期对于文本评论的情感分析是对整个评论文本进行情感分类，假设评论文本中已经包含且只包含感兴趣的评价对象，分类的关键在于从评论文本中手工构造或自动生成情感特征，而不考虑情感特征对应的评价对象信息[1-2]。常见的研究，如文档级情感分析和句子级情感分析[3-4]。一般的评论中往往包含多个评价对象，或未包含感兴趣的评价对象，且多个评价对象可能对应不同的情感倾向，因此将整个评论文本看作整体进行情感分类略显粗糙，限制了情感分析的作用。细粒度的情感分析任务，也叫作基于属性的情感分析任务，是针对评论文本中不同的评价属性，识别出各个属性对应的情感倾向。通常，一个评论文本中会出现针对多个对象表达的不同情感倾向，比如，对于评论“这家店的菜很好吃，但是老板态度有点差”，细粒度的情感分析需要识别出针对“菜”和“老板态度”两个不同方面的情感倾向，得出<菜，积极>和<老板态度，消极>的评价结果。因此，相比句子级或文档级情感分析任务，基于属性的细粒度情感分析可以从评论文本中获得更精准的用户评价信息，从而更有利于商家了解用户需求和改进产品及服务质量。……