厍向阳 杨瑞丽

(西安科技大学计算机科学与技术学院 陕西 西安 710054)

0 引 言

智能终端的普及和互联网技术的高速发展使得更多的消费者可以选择更加快捷方便的网络购物方式。网络口碑是决定消费者是否做出购物决策的最主要因素，对于商家在销售中及时调整销售方案也具有重要参考价值。依靠人力在海量的评价信息中挖掘有价值的信息较为困难，所以情感分析问题成为了一个热门的研究话题。目前，情感分析研究方法主要是基于词典的方法[1]、基于机器学习的方法[2]、基于神经网络语言模型word2vect[3]以及基于深度学习[4]。

基于词典的方法是通过匹配情感词典中的情感词，通过一定的规则计算出句子的情感极性完成分类。文献[5]提出一种基于词典的算法，该方法采用引导策略构成新的情感词典，通过乘以句子中情绪词的分数来确定句子的情感方向。文献[6]利用情感词典并根据词语的词性分别定义每个情感词语的语义倾向得分，将文本中所有情感特征词按特定规则组合计算，得到文本的情感倾向性得分，以此判断文本的情感倾向性。虽然这些方法能够很好地获得句子的情感信息且容易理解，但基于词典的方法会忽略掉语序及上下文信息，造成句子的情感指向性不明确。基于机器学习的方法，是通过对训练数据进行特征提取训练模型对测试数据进行识别。文献[7]为了解决词典中存在词语有时不能在特定语境中表达情感倾向这一问题，提出了一种基于最大熵分类模型的方法以识别给定评论语句的情绪词，模型准确率高于词典的方法，但机器学习的方法需要人为进行复杂特征提取。……