颜礼蓉， 朱小栋， 陈 曦

（上海理工大学 管理学院，上海 200093）

电子商务的在线评价作为由消费者主动发起的评论商品质量和服务等的言论，对潜在消费者作出购买决定起着一定的作用，也直接影响了电商平台的用户使用黏性。挖掘这些评论的褒贬态度，从而识别人们对某种商品的购买倾向，这个过程被称为情感分析（sentiment analysis，SA）。情感分析是一种使用自然语言处理（natural language processing, NLP）以及文本挖掘（text mining）技术的分析方法，通过分析大量信息来理解人们对一件事情的看法。在自然语言处理中，文本情感分析是一个重要的应用领域。

1 相关研究

为了更充分地挖掘网民的观点和立场，使用机器学习的方法进行情感分析成为了自然语言处理的一个新兴的研究方向。在早期，情感分析是通过使用传统的机器学习方法构造分类器来解决的。Pang等[1]首次提出利用机器学习算法包括朴素贝叶斯（NB），最大熵分类（ME）和支持向量机（SVM）来解决情感分类问题，他们利用n-grams模型和词性提取电影评论的特征。Liu等[2]利用基于情感特征的细颗粒度情感分析方法，主要贡献是通过句法分析提取相应特征，并与TF-IDF基准模型进行对比实验，其提出的模型在积极/消极评价中的精确率（precision）、召回率（recall）和F1-Score上都有所提升。Lin等[3]通过词嵌入word2vec方法提取中国酒店评论的特征，并放入分类器朴素贝叶斯（NB）、支持向量机（SVM）和卷积神经网络（CNN）中进行对比，其中支持向量机（SVM）在分类中表现最好。利用词嵌入的方式可以有效地从评论文本中提取到词语的信息（例如某个词在文本中出现与否或是出现的频数）和词语的层次信息（主要是指上下文的信息），但是无法提取出词语中所表示情感的信息。……