陈 欣，杨小兵，姚雨虹

(中国计量大学 信息工程学院，杭州 310018)

1 引 言

随着互联网的快速发展，网购已经成为人们日常生活的重要组成部分，相对于传统购物中面对面的商品交易，网上购物看不见实际商品，仅通过商家上传的图片判断商品质量显然不太可靠，所以商品评论就成为大家在网上购买各种商品时的重要参考依据.淘宝、京东、拼多多等购物平台的用户往往在收货后会写下对商品的评价，其他消费者通过这些评价可以了解产品质量、售前售后服务等.销售商可以通过消费者对商品的文本评语，分析消费者对商品的看法，从而帮助改善制定的营销措施[1].而随着大数据时代的到来，信息规模的爆炸式增长，人工处理已经无法满足大规模文本分析任务，因此文本情感分析技术也得到了迅速发展.

最开始，研究者在情感词典和语义规则方面进行研究，基于词典和规则[2-4]的情绪分类方法解释性强，运算速度快.但是随着互联网上新词的不断涌现，基于词典和规则的方法在分类时灵活度不高，难以应对不断变化的词形词义.为提高情感分类的性能，研究者开展了基于机器学习的情感分析方法.通过选取大量有意义的特征来完成情绪分析任务.基于机器学习的方法[5，6]主要通过对数据集进行特征提取，训练分类模型，然后对测试数据进行预测.但是该方法依赖于提取的特征，而且需要构建复杂的特征工程.由于这些方法……