杨 璐，何明祥

（山东科技大学计算机科学与工程学院，山东青岛 266590）

0 引言

随着互联网的快速发展，人们在诸多平台上留下了大量带有情感观点的主观性文本，例如微博私信、微信聊天、淘宝咨询等，这些文本蕴含着丰富的情感信息，通过对这些文本进行分析，可以挖掘出有效的观点信息［1］；然而，人工提取这类文本数据工作量较大，因此如何构建自动化提取文本情感倾向的模型引起人们的关注。

文献［2］提出了文本评论情感极性分类的概念，并且利用统计学的方法对电影评论数据集进行分类。文本情感分析指的是利用自然语言处理（Natural Language Processing，NLP）或者文本分析技术自动识别文本数据的情感极性。情感分析方法包括基于情感词典和规则的情感分析方法［2］和基于机器学习技术的情感分析方法［3］，其中基于情感词典的方法主要利用情感词典与分词后的文本进行比较，通过制定规则来获取整个句子的情感分数，达到识别情感极性的目的，例如：文献［4］通过对HowNet 情感词典和台湾大学的情感词典（National Taiwan University Sentiment Dictionary，NTUSD）进行扩展，建立了一个具有不同情感倾向程度的情感词典，并基于此开发了一个半自动化网络舆情分析系统；文献［5］提出将多个现有的情感词典进行合并去重作为基于HowNet 和SentiWordNet的中文情感词典（Sentiment Lexicon based on HowNet and SentiWordNet，SLHS）的基础词语集，采用支持向量机（Support Vector Machine，SVM）的方法对文本进行情感分析，与台湾大学情感词典方法进行对比可知，该情感词典具有较优的结果。

基于机器学习技术的情感分析方法又分为监督学习的情感分析方法和无监督学习［6］的情感分析方法，有监督学习凭借带标签的数据训练分类器，所得到的准确率和F1值略优于无监督方法；……