教材在線評論的情感傾向性分析①

劉若蘭 ,年 梅 ,范祖奎

1(新疆師范大學 計算機科學技術學院,烏魯木齊 830054)2(新疆警察學院 語言系,烏魯木齊 830011)

教材在線評論的情感傾向性分析①

劉若蘭1,年 梅1,范祖奎2

1(新疆師范大學 計算機科學技術學院,烏魯木齊 830054)2(新疆警察學院 語言系,烏魯木齊 830011)

為了充分挖掘和應用電子商務網站中的教材評論信息,運用細粒度的情感分類算法對用戶的在線評論進行分析,基于教材特征級的情感分析結果,輔助潛在客戶和商家做出合理有效的決策.本文首先使用爬蟲采集教材的在線評論文本,對其進行去噪、分詞和詞性標注等預處理; 然后分析產品特征,在通用情感詞典的基礎上擴建領域情感詞典; 最后基于句法分析結果,結合教材評論的語言特性,設計適合教材評論的情感傾向性分析算法,并通過實驗驗證了算法的有效性.

教材在線評論; 細粒度情感分析; 情感詞典; 產品特征

近年來,電子商務的迅猛發展潛移默化地改變著人們的購物方式,網絡購物已經成為眾多消費者首選的購物方式,購買商品后,多數消費者也熱衷于在網站上留下對產品或服務的真實看法或體驗; 很多消費者也習慣于在購買商品前瀏覽已購者的評論,從而幫助自己選擇合適的產品.因此電子商務網站上產品的在線評論信息急劇增長,教材評論就是其中的一類.大量的教材評論反映了消費者對教材的整體意見和態度,具有很高的挖掘和應用價值.一方面,評論中表達的觀點和情感可以對其他客戶的購買意向產生影響; 另一方面,便于商家對教材的質量或服務進行改進,提高客戶滿意度.但是數量龐大、紛繁復雜的評論信息如果不加分析,將使用戶和商家從中提取教材質量的可靠信息變得非常困難,因此迫切需要借助數據挖掘技術識別大量用戶發表的教材評論文本的情感傾向,從中獲取用戶對教材的主觀意見.故本文在現有文本傾向性分析技術的基礎上,結合教材評論的特點,設計適合教材評論的情感傾向性分析算法,以實現對教材評論信息的挖掘和處理.

1 相關工作

通過總結在線評論情感傾向性分析的研究發現,國內外學者分別從粗粒度和細粒度兩個層面進行了研究.粗粒度的情感分類旨在判斷篇章或句子級評論文本的整體情感傾向.但當一個評論語句對產品的多個屬性進行評價時,粗粒度的情感分析方法則無法獲知用戶具體喜歡或不喜歡哪些屬性.此時就需要使用細粒度情感分析算法,識別在線評論所涉及產品各屬性的情感傾向.而產品屬性會因領域的不同而發生變化,描述不同屬性的評價詞也不盡相同,因此細粒度情感分析是與領域密切相關的,目前,細粒度情感分析方法已被應用于汽車[1]、手機[2]、凈化器[3]等領域評論數據的研究中,采用的研究方法主要包括有監督和無監督兩類方法.

有監督方法,把細粒度的情感分析任務轉化為詞匯的序列標注問題,如文獻[4]將屬性詞和情感詞的抽取視為一個序列標注任務,利用詞匯化的隱馬爾科夫模型判別詞匯所屬的標注類別.劉麗等人[2]則提出條件隨機場(CRF)和語法剪枝相結合的細粒度情感分析方法.

無監督方法則是基于句法分析的方法,如姚天昉[1]等人通過構建汽車領域本體提取主題詞,然后基于句法分析結果,提出改進的SBV算法識別主題—意見詞對,最終確定語句中各主題詞的情感極性.劉鴻宇[5]等人首先借助句法分析結果抽取候選評價對象,然后利用網絡挖掘的PMI算法和名詞剪枝算法篩選候選評價對象,最后將情感句劃分為四類,并制定相適合的傾向性判別規則,最終實現評價對象級的傾向性判別.例如文獻[6-8]也基于句法分析進行在線評論的情感傾向性分析研究.

教材評論信息的挖掘對于教師和學生選擇合適的教材具有重要的參考作用,同時能夠為教材編寫人員以及出版部門提高教材質量提供可靠建議.但到目前為止還未見教材評論領域細粒度情感分析研究的成果.由于細顆粒度的評論分析所挖掘的產品屬性和情感詞是與領域密切相關的,因此無法直接使用其他領域或者通用領域的產品特征詞以及情感詞.例如“內容”、“排版”、“紙張”等產品特征,以及“深入淺出”,“醍醐灌頂”等情感詞,在其他領域中幾乎很少見.其他領域細粒度情感分析的資源和算法如果直接應用在教材評論分析中,必然會影響情感分析的效果,為此本文進行教材在線評論的情感傾向性分析研究.在分析算法的選擇方面,考慮到有監督方法通常需要耗費大量人力標注語料,也不利于領域切換.而無監督方法無需耗費人力資源標注語料,并且能夠準確描述情感詞和評價對象之間的搭配關系,以及副詞與情感詞之間的修飾關系.因此本文采用基于句法分析的方法對教材評論進行特征級的情感分析.

2 基礎資源的構建

本文借助細粒度情感分類技術,對從網絡上抓取的大量計算機專業本科教材的評價文本進行情感極性分析,從而輔助商家和出版社改進教材的質量、制定合理的銷售策略,并為潛在消費者的購買決策提供參考依據.

細粒度情感分析方法的基本流程如圖1所示,包括數據采集、數據預處理、產品特征提取以及評論文本傾向性分析四個步驟.其中,數據采集、預處理以及產品特征提取為情感傾向性分析算法提供基礎資源,主要包括評論語料資源、領域情感詞典資源和產品特征詞庫資源等.本文首先介紹語料的預處理與資源的構建,然后在第3節中對核心算法—評論文本情感傾向性分析算法的設計進行詳細介紹.

圖1 細粒度情感分析方法的基本流程圖

2.1 評論語料資源的預處理

教材評論的情感傾向性分析和產品特征的提取需要大量評論語料的支撐,因此本文利用定制爬蟲從當當、京東等網站爬取了教材評論文本,然后對其進行了去噪、分詞和詞性標注等預處理,以便為后期工作提供較好的數據資源.

2.1.1 數據去噪

從當當、京東等網站采集的原始評論中存在很多冗余評論,如:同一用戶針對同一產品發表的多條相同評論,這類數據會影響教材情感分析結果的準確性.因此對這種重復數據作刪除處理,最終僅保留其中的一條.此外,評論中大于200字的長評論大都是對教材的客觀介紹,不具備情感分析條件,因此本文刪除了這類評論.為了消除評論中的噪音,還對語料進行了錯別字糾正、拼音、英語替換等一系列去噪處理.

2.1.2 語料的分詞與詞性標注

利用中國科學院計算機所研發的中文分詞軟件ICTCLAS2016對已去噪的評論數據進行分詞和詞性標注.由于ICTCLAS2016對一些計算機專業名詞、網絡新詞等詞匯的切分結果不正確,因此本文自定義了領域分詞詞典,以優化詞匯切分效果.

2.2 教材評論情感詞典的構建

教材評論情感傾向性分析離不開情感詞典資源的支撐,但目前,國內還沒有一部面向教材評論領域的情感詞典.而教材評論也有別于其他領域的用戶評論,它經常使用的有些情感詞是其他領域很少使用或不使用的詞語,例如:“言簡意賅”、“妙筆生花”、“深入淺出”等詞,因此通用情感詞典難以滿足教材評論情感分析研究的需求.鑒于此,文本選擇了基礎情感詞典,構建了領域情感詞典、網絡情感詞典和極性修飾情感詞典等資源.

(1)基礎情感詞典

目前,公開發表的中文情感詞典資源有知網的HowNet、臺灣大學發布的NTUSD以及大連理工大學構建的情感詞匯本體庫.上述三個詞典中,HowNet和NTUSD僅區分了情感詞的極性,而大連理工大學發布的情感詞典不僅區分了詞匯的情感極性,還描述了詞匯的情感強度.為了計算教材評論的褒貶極性及其極性強度,本文選擇大連理工大學的情感詞庫作為基礎情感詞典.

(2)領域情感詞典

教材評論中有很多其他領域不使用,并且通用情感詞典不包含的情感詞,因此本文總結了教材評論中經常使用但基礎情感詞典不包括的情感詞,例如“妙筆生花”、“由淺及深”等詞匯,并人工定義情感極性,形成了教材評論的領域情感詞典,目前,該詞典共收集了643個詞匯.

(3)網絡情感詞典

網絡情感詞起源于網絡,并深受網絡用戶的喜愛,教材評論中網絡情感詞的使用頻率也很高.例如“給力”,“爆贊”等詞匯,所以本文收集、整理了這種極性明顯、情感強烈的網絡情感詞,形成網絡情感詞典.

(4)極性修飾情感詞典

用戶在發表評論時,通常會使用程度副詞和否定副詞來表達不同程度的情感態度.其中程度副詞影響情感的強弱,否定詞則影響情感的極性.為此本文從相關文獻中總結了修飾情感詞的程度副詞和否定副詞,形成極性修飾情感詞典.參考文獻[9-15],從中總結了132個程度副詞,并按照其對情感色彩的影響程度,劃分成四個等級,具體見表1所示.否定詞則來源于對文獻[10-13]的總結,最終得到了62個否定副詞,如表2所示.

表1 程度副詞列表

表2 程度副詞列表

2.3 教材產品特征詞庫的構建

細粒度情感分析,需要獲取在線評論中用戶評價的產品特征.產品特征一般是名詞和名詞性短語,因此特征提取則轉化為對名詞和名詞性短語的提取和篩選.由于本文選擇的分詞工具ICTCLAS2016僅能標注出名詞,但不能標注出名詞性短語.為此,本文在分詞結果的基礎上,制定了以下3條規則識別文本中的名詞性短語,這樣就能較為完整地提取教材的候選產品特征.

(1)“名詞+名詞”規則:相鄰兩個名詞直接連接構成的名詞詞組很可能是一個產品特征.例如評論句:紙張/n材質/n一般/uyy.其中“紙張材質”這個產品特征在分詞標注時往往分解成兩個名詞:“紙張”和“材質”.

(2)“名詞+的+名詞”規則:結構助詞“的”連接的兩個名詞,也很有可能是一個產品特征,例如評論句:書/n 的/ude1 質量/n 不太/d 好/a.產品特征“書的質量”由“的”連接的兩個名詞“書”和“質量”構成.

(3)“動詞+名詞”規則:分析圖書評論數據發現,很多產品特征由相鄰的一個動詞和一個名詞組成.例如評論:印刷/v 質量/n 非常/d 好/a,快遞/v 速度/n 也/d 快/a.

按照上述三條規則,本文以評論語料中的句子為單位,找出句子中的名詞性短語,并將其轉換為名詞,最后將文本中的名詞作為候選特征詞提取出來,經過人工校驗再確定是否加入到產品特征詞庫.具體的實現步驟如下:

(1)按圖2所示流程從語料中提取名詞性短語.

圖2 名詞性短語的提取流程

(2)人工判別提取的名詞性短語是否為產品特征,如果是,則加入用戶自定義分詞詞典和產品特征詞庫中.

(3)利用新的用戶分詞詞典,再次對評論數據進行分詞及詞性標注,然后再對新的標注結果執行步驟(1)-(2),直到沒有新的產品特征加入用戶分詞詞典為止.

(4)提取教材評論最終標注結果中的名詞,判斷其中不屬于產品特征詞庫中的名詞是否為教材產品的特征或屬性,如果是,則合并到產品特征詞庫中.

經過上述步驟,最終構建的特征詞庫共包括1321個特征詞.

3 教材評論情感傾向性分析算法的設計

本文采用基于句法分析的極性判別算法實現教材評論文本的情感傾向性分析,句法分析工具使用了哈工大社會計算與信息檢索研究中心研發的語言技術平臺(LTP),通過該平臺對優化后的分詞結果進行依存關系分析.極性判別方法則借鑒了文獻[2]中的情感分析算法,首先使用SBV、VOB、ATT和ADV這四種依存關系,從教材評論中抽取特征-意見對,然后根據意見詞及其修飾詞的極性值確定特征-意見對的情感值.其中SBV、VOB、ATT和ADV依存關系的具體說明見表3.

表3 LTP 依存關系標記說明

利用文獻[2]提供的依存關系對教材評論中的特征-意見對進行抽取后發現,有些情感搭配對還無法提取出來,其原因在于依存分析時有些產品特征被標注成表3中的動補結構(CWP),為此本文提出增加CWP結構提取部分特征-意見對.此外,由于教材評論語句的隨意性,存在很多省略評價對象的評論語句,例如評論句:還不錯哦,推薦.對于此類情況,僅利用文獻[2]的情感分析算法則無法抽取.通過對大量教材評論的分析發現,省略評論句大多數是對“書”的整體進行評價,因此當評論句中情感詞所修飾的評價對象被省略時,本文提出補充“書”作為其所修飾的評價對象.

基于第2節生成的產品特征詞庫和情感詞典資源,本文的情感傾向性分析算法可描述如下:其中Product-Value表示產品特征的情感值,SentimentValue代表情感詞的極性值,AdverbStrength則代表副詞的強度值,這里的副詞包括極性修飾情感詞典中的程度副詞和否定副詞.

(1)尋找一條評論語句中所有的SBV結構對,對于每個 SBV 對,記主語為 subject,謂語為 predicate,如果主語是產品特征,謂語是情感詞,轉步驟(2),如果主語不是產品特征,但謂語是情感詞,則轉步驟(3).

(2)繼續查找謂語是否有ADV結構.

a)如果有,并且ADV結構中的副詞adverb在副詞列表中,則:

ProductValue(subject)=SentimentValue(predicate)*AdverbStrength(adverb)

b)否則產品特征的極性值:ProductValue(subject)=SentimentValue(predicate)

(3)查找謂語是否有 VOB 關系對,如果有,并且VOB關系中的賓語object是產品特征,則該產品特征的情感值:ProductValue(object)=SentimentValue(predicate)

(4)查找評論句中的全部ATT結構對,如果其中的名詞noun是產品特征,并且定語attribute是情感詞,則判斷該情感詞是否有ADV結構.

a)如果有,并且包含在ADV結構的副詞在副詞列表中,則:

ProductValue(noun)=SentimentValue(attribute)*Adv erbStrength(adverb)

b)否則產品特征的情感值:

ProductValue(noun)=SentimentValue(attribute)

(5)對于評論中所有的 CMP(動補)結構,如果依存關系對右邊的動詞verb是產品特征,同時左邊的補語complement是情感詞,則判斷該情感詞是否有ADV結構.

a)如果有,并且 ADV 結構中的副詞在副詞列表中,則:

ProductValue(verb)=SentimentValue(complement)*AdverbStrength(adverb)

b)否則產品特征的情感值:ProductValue(verb)=SentimentValue(complement)

(6)記錄步驟(1)-(5)中處理過的情感詞,并打上Marked標簽,查找句子中未標記的情感詞sword,為情感詞添加“書”作為其描述的產品特征,然后判斷情感詞是否有ADV結構.

a)如果有,并且 ADV 結構中的狀語 adverbial在副詞列表中,則產品特征“書”的情感值:ProductValue(書)=SentimentValue(sword)*AdverbStrength(adverb)

b)否則:ProductValue(書)=SentimentValue(sword).

4 實驗

為了證明本文面向教材評論構建的情感詞典和提出的情感傾向性分析算法的有效性,從構建的評論語料資源中選取了4000個句子作為實驗語料,并人工標注了語料中產品特征和情感修飾項的關系以及產品特征的情感極性,最終標注了6095個產品特征-意見對.

為了評估本文算法的性能,采用目前常用的準確率、召回率和F值(F-measure)作為評價指標,其計算方式定義如下:

其中,A為算法挖掘出的正確特征-意見對的數量,B為算法挖掘出的特征-意見對的數量,C為測試語料中特征-意見對的人工標注數量.

在實驗中,首先使用了本文構建的教材評論情感詞典,測試算法在產品特征-情感描述項和產品特征極性方面的識別結果; 然后再使用大連理工大學發布的通用情感詞典,獲得相同語料下的識別效果; 最后以人工標注結果為基準,分別計算使用這兩部情感詞典的識別結果的準確率、召回率和F值,結果如表4所示.

表4 文本算法利用兩部詞典的情感傾向性分析結果

由表4可知,基于本文的教材評論情感詞典進行教材評論傾向性分析的準確率、召回率和F值,均高于利用大連理工大學發布的通用情感詞典的實驗結果.其中召回率的提高幅度最明顯,其主要原因在于本文在構建教材評論情感詞典時,考慮到用戶評論中經常使用一些口語化的情感詞、網絡情感詞以及評論教材時使用的特殊情感詞,故對這類情感詞進行了歸納總結,然后將其納入教材評論情感詞典中,這在一定程度上擴大了情感詞典的覆蓋面,提高了情感詞典在教材評論領域的適用性,因此使用該詞典的傾向性判別性能明顯提升,充分證明了文本構建的教材評論情感詞典的實用性和有效性.

此外,為了比較本文情感分析算法的性能,還將本文方法和文獻[2]的方法進行了比較,實驗結果如表5所示.

表5 本文算法和文獻[2]算法的情感傾向性分析結果

從表5的結果表明,利用本文算法進行情感傾向性分析的實驗結果比文獻[2]中算法的實驗效果好,其準確率、召回率、F值的性能指標都有所提升,這證明本文提出的教材評論情感傾向性分析算法的有效性.同時也進一步表明,在進行細粒度的情感分析時,沒有一種萬能的傾向性分析算法能夠適應所有領域的評論數據,因此面向不同領域的評論數據進行極性分析時,需要依據評論數據的特殊性,提出適合于該領域評論數據的領域詞典和傾向性分析算法.

5 總結

本文利用當前與日俱增的教材評論信息進行情感傾向性分析研究,通過構建評論語料庫、產品特征詞庫和教材領域情感詞典資源,借鑒已有的情感傾向性分析技術,結合教材評論的不同之處,最終提出適合教材評論的細粒度情感傾向性分析算法,從教材評論中提取特征-意見對,挖掘讀者評論對產品特征的褒貶評價,從而幫助消費者優化購買決策,也可為商家改進產品、制定銷售方案提供有效依據.最后通過實驗驗證了本文算法的有效性.雖然本文提出的方法在一定程度上實現了教材評論產品特征級的情感分析,但也存在一些不足之處,如:產品特征和情感詞典構建的自動化程度不夠高,還需要依靠人工篩選.在情感傾向性分析方面,特征-意見對提取的查全率還有待進一步提高.這些將成為本文下一步的主要研究任務.

1姚天昉,婁德成.漢語語句主題語義傾向分析方法的研究.中文信息學報,2007,21(5):73–79.

2劉麗,王永恒,韋航.面向產品評論的細粒度情感分析.計算機應用,2015,35(12):3481–3486,3505.[doi:10.11772/j.issn.1001-9081.2015.12.3481]

3占文平.面向產品評論的情感分析技術研究[碩士學位論文].杭州:浙江工商大學,2015.

4Jin W,Ho HH.A novel lexicalized HMM-based learning framework for web opinion mining.Proc.of the 26th Annual International Conference on Machine Learning.New York,NY,USA.2009.465–472.

5劉鴻宇,趙妍妍,秦兵,等.評價對象抽取及其傾向性分析.中文信息學報,2010,24(1):84–88,122.

6陳豪,劉功申,黃晨.基于句法分析的商品情感傾向性分析.信息安全與通信保密,2013,(2):68–70.

7馮時,付永陳,陽鋒,等.基于依存句法的博文情感傾向分析研究.計算機研究與發展,2012,49(11):2395–2406.

8萬常選,江騰蛟,鐘敏娟,等.基于詞性標注和依存句法的Web 金融信息情感計算.計算機研究與發展,2013,50(12):2554–2569.[doi:10.7544/issn1000-1239.2013.20130875]

9邸鵬.基于句子情感權值合成算法的篇章情感分析[碩士學位論文].太原:太原理工大學,2015.

10郭書彤.基于Web文本的圖書評論傾向性分析方法的研究[碩士學位論文].長春:東北師范大學,2015.

11周城.面向中文Web評論的情感分析技術研究[碩士學位論文].長沙:國防科學技術大學,2011.

12劉玉嬌,琚生根,伍少梅,等.基于情感字典與連詞結合的中文文本情感分類.四川大學學報(自然科學版),2015,52(1):57–62.

13徐葉強.基于情感分類的產品評論垂直搜索引擎的研究[碩士學位論文].株洲:湖南工業大學,2012.

14張成功,劉培玉,朱振方,等.一種基于極性詞典的情感分析方法.讓東大學學報 (理學版),2012,47(3):47–50.

15陳國蘭.基于情感詞典與語義規則的微博情感分析.情報探索,2016,(2):1–6.

Emotional Tendency Analysis of Online Comments on Teaching Materials

LIU Ruo-Lan1,NIAN Mei1,FAN Zu-Kui2

1(The Computer Science&Technology Department,Xinjiang Normal University,Urumqi 830054,China)2(The Language Department,Xinjiang Police College,Urumqi 830011,China)

In order to fully tap and apply the information of textbook reviews on the e-commerce website,we use finegrained emotional classification algorithm to analyze the user’s online comments,based on the sentiment analysis results of product feature level,so as to assist customers and businesses to make reasonable and effective decision.In this article,we first use the crawler tool to collect online comment texts of teaching materials,and carry on some pretreatments such as denoising,segmentation and POS tagging,and then analyze the product features,based on the general emotional dictionary expands domain sentiment dictionary.Finally,based on the syntactic analysis results,combined with the language features of textbook comments,we design an affective tendency analysis algorithm which is suitable for the textbook reviews,and prove the validity of the algorithm through experiments.

the online reviews of teaching material; fine-grained emotion analysis; emotion dictionary; product features

劉若蘭,年梅,范祖奎.教材在線評論的情感傾向性分析.計算機系統應用,2017,26(10):144–149.http://www.c-s-a.org.cn/1003-3254/5996.html

國家自然科學基金(61163064); 教育部人文社會科學工程科技人才培養專項(15JDGC022); 新疆師范大學數據安全重點實驗室資助項目;新疆師范大學計算機應用技術重點學科資助

2017-01-08; 采用時間:2017-02-17