袁景凌，丁远远，潘东行，2*，李 琳

（1.武汉理工大学计算机科学与技术学院，武汉 430070；2.中国建设银行股份有限公司运营数据中心，武汉 430070）

0 引言

随着网络媒体的迅速普及，大量含有主观评论的文本信息迅速传播。这些评论文本信息具有数量大、涉及范围广、传播速度快等特点，给当代社会经济发展带来了深远的影响。针对网络文本的情感分析，可以帮助研究人员更加细致了解用户对日常事件的意见和情感倾向［1］，帮助商家提高服务质量以及为用户提供个性化推荐内容［2］。

在文本情感分析任务中，根据表达中是否包含显式情感词，情感分析可分为显式情感分析和隐式情感分析［3］。包含显式情感词的显式情感分析已经取得了丰富研究成果，而采用含蓄表达的隐式情感分析还处于起步阶段。隐式情感文本在互联网文本中占有较高比例的特点［4］使得针对隐式情感分析的研究不容忽视。中文隐式情感分类任务存在诸多困难，主要体现在如下几个方面：

1）在隐式情感分类中，句子大部分为事实型描述以及不存在关键情感特征［5］。隐式情感文本主要包含事实型和修辞型两个类别，统计结果显示，事实型隐式情感文本占比为70%以上［4］。显式与隐式的情感分类任务对比如表1所示。

表1 情感分类任务对比Tab.1 Comparison of sentiment classification tasks

2）隐式情感分类任务对分类方法有较高要求。隐式情感句中情感词的缺乏使得部分显式情感分类方法不再适用，如基于情感词典分类方法；另外，基于机器学习的情感分类方法很难获取有效情感特征对情感类别进行判断［4］。……