潘正军 赵莲芬 袁丽娜 王红勤

(广州大学华软软件学院 广东 广州 510990)

0 引 言

目前情感极性分析的常用方法有基于情感词典和基于机器学习[1-2]。基于情感词典是通过将给定的文本(无论是单词、短语还是句子)拆分成较小的标记进行标记化过程，然后计算单词出现的次数，最终训练成BOW模型，再利用现有的词典查看单词主观性，根据这些计算文本的整体主观性作为情感极性的判断参考依据。但是该方法尚有许多不足[3]，如：不具备情感的停用词会造成文本情感得分的影响、存在一词多分。基于机器学习的文本情感极性分析是一种更先进的处理技术，对数据集进行特征提取和特征选择后进行分类模型训练，利用被标记正负标签的语料库，训练成一个分类器，当输入新的没有标记的语料，就能自动分类成正面或者负面。比如，彭丹蕾[4]使用TextCNN做商品评论情感分析，马梦曦等[5]使用SVM来做弹幕文本情感极性分析，但是二者的执行效率上都不如FastText高效。FastText可以看作Word2Vec中CBOW的优化版，引入N-gram和考虑词序特征，并引入subword来处理长词，处理未登录词问题，比CBOW具有更快的效率。

针对上述问题，本文提出一种基于Borderline-Smote算法改进的FastText中文情感极性分析模型，在输入层通过用中文分词进行关键词提取和去掉停用词，对带零向量的无意义数据进行隔离后，用Borderline-Smote算法对数据进行样本过采样，最后通过FastText模型进行交叉验证，得出文本的中文情感极性分析结果，验证其对中文文本情感极性方面的分析效果。……