谭翠萍

1 引言

情感分析又名意见挖掘[1]，主要研究如何从文本中发现或挖掘人们对于某种事物、产品或服务所表达出的情感、意见或情绪[2]。情感分析结果为主观态度，一般分为三类：积极的、消极的和中立的。随着大数据时代的到来，情感分析已经成为一个活跃的研究领域，目前在产品评论、社交媒体和在线博客等领域均有一定应用[3]。从分析的粒度层次来看，文本情感分析可分为粗粒度和细粒度层次分析，粗粒度层次分析有篇章级(文档级)和句子级情感分析，细粒度层次情感分析则是基于评价对象及其属性的分析[4]。由于实际应用场景中，人们不光要识别一篇文档或者一个句子中包含的观点，还需要识别观点或情感所表达或评价的对象，以及针对这些对象所具体表达的观点倾向[5]。在这种情况下，学者们逐步深入细粒度情感分析领域，研究基于方面、属性或主题、实体的情感抽取、分类[6-9]。

为了深入研究细粒度情感分析方法，归纳现有成果、存在问题与面临挑战，本文以“细粒度情感分析”[4,10]、“方面级情感分析”[4,10]、“属性级情感分析”[4]、“实体级情感分析”[4]、“意见挖掘”[10]；“Fine Grained Sentiment Analysis”[4,10]、“Aspect Level Sentiment Analysis”[4,10]、“Attribute Level Sentiment Analysis”[4]、“Entity Level Sentiment Analysis”[4]、“Opinion Mining”[10]为关键词在CNKI平台、Web of Science核心合集检索近十年细粒度情感分析研究文献，发现2017年至今该领域发展较快(见图1)，值得深入研究与总结；其中：Web of Science 2017—2021年相关文献932篇，CNKI2017—2021年相关文献166篇。笔者结合文献相关度、引用情况、最新发表情况，对重点文献向前追溯、向后追踪，精读有代表性研究87篇，发现随着细粒度情感分析研究的深化，不同层次粒度的情感分析研究也得到了推动与发展。……