情感分析-概述

打算開始來寫情感分析的實踐文章。主要寫建立情感分析語料，情感分析詞典庫，情感分析片語庫。另外也會寫文字分類的實踐文章。主要也是寫文字分類語料庫的構建。兩者對比，情感分析恐怕更關注詞語級的內容。

情感分析的三個主要任務

主客觀判別

接下來首先介紹一下情感分析需要做的三個主要任務。第一個任務就是要判別文字的主客觀性。也就是說要判別所接收到的文字是否帶有情感色彩。比如顧客購買的一件商品後，對商品的各個屬性是否滿意，對哪個屬性稱讚有加，對哪個屬性感覺不太給力。另外對店鋪的服務以及快遞的服務有什麼評價等燈。再比如公眾對某個突發事件持有什麼態度，表達的情感，比如對於災害類事件所表達出的同情，對災害處理是否有什麼意見。對醫療衛生是否有滿意，覺得有哪些需要改進的方向。對住房有什麼要求等等。當然對於輿情來說，我們更關注的負面資訊。因此，找出表達了具有否定色彩的文字是做情感分析的第一步。主要的技術主要是基於規則的方法。比如利用情感詞、情感片語、主張片語來判斷文字是否具有主觀情感色彩。

2。 情感極性

找到了具有情感色彩的文字後，接下來就需要判斷文字的情感極性了。當訓練語料充足時，我們可以採用機器學習的方法完成該任務。這裡我們仍然選擇樸素貝葉斯方法。涉及到文字分類技術不得不提的就是特徵詞的選擇。當然如果你使用的是深度學習方法，那麼這一步按照現有深度學習文章的說法是不需要的。但是我想提出的一個問題是，當系統構建完成後怎樣做後續的改進，後續改進從哪裡入手。再說會樸素貝葉斯法的情感極性判別，特徵詞在情感極性判別的場景下，顯然指的是能夠區分正、負情感極性的詞語。因此，建立豐富完整的情感詞典是必要的。詞典應該有以下4種，情感詞詞典，情感片語詞典、否定副詞詞典、程度副詞詞典（非必須的，涉及情感強度判別）。看到這裡你可能會問，現在明明已經有很多種情感分析用的詞典了，為什麼還要建立情感詞典呢。原因我想可能有以下幾個方面。（1）當前的情感詞典都是通用情感詞典，對於具體領域會覆蓋不到。（2）表達情感的新詞，口語詞往往需要自己總結（3）即使有很多情感分析的訓練語料，透過特徵選擇方法可以抽取出特徵詞，仍然需要人工篩選出情感詞，同時對於低頻情感詞也需要人工挑選。下面列出可用的中文情感詞典資源：

《知網》知網2007年版情感分析用詞語集提供了正面評價詞3730個，負面評價詞3116個，正面情感詞836個，負面情感詞1254個。這裡的評價詞是指消費者對產品及其特徵發表的“肯定”或“否定”的評價，情感詞是指對評論涉及的主題進行各種情感表達。

《學生褒貶義詞典》張偉，該詞典收錄了含有褒義或貶義的雙音詞、成語喝慣用語共1672個，其中褒義詞728個，貶義詞942個，兼具褒貶義的詞2個。其中形容詞446個，名詞257個，動詞393個。該詞典的特點是不僅給出詞語的正負極性，同時給出了近義詞或同義詞，以及情感詞的類別。

《褒義詞典》史繼林，該詞典收錄褒義詞5067個。

《貶義詞典》楊玲，該詞典收錄貶義詞3495個。

《大連理工大學情感本體庫》該詞典收錄27467個情感詞，同時給出情感詞類別，情感極性值以及情感強度值。

在這裡，我搜集整理了一些情感詞典資源，這些詞語可以作為人工標註時的提示詞語，減輕標註人員的負擔。

3。 主題識別（抽取）

只瞭解了文字的情感極性對於實際應用的價值還不夠，我們還需要知道文字的情感極性是針對什麼主題的或者說是針對哪個評價物件的。這個方面我們可以透過實體識別的方法獲取主題，也可以透過分類的方法。這就需要涉及針對你的領域的分類體系構建。比如新聞類文字的分類體系構建，事件關鍵詞的發現（人名、地名、機構名、事件新詞等等，這些詞可以從生語料抽取，也可以做成詞典庫）；商品的分類體系構建，商品屬性詞典構建等等。

情感分析語料庫構建

語料庫的構建主要當然是透過人工標註的方法。這裡在進行標註時，應當考慮到情感詞典以及情感主題的構建任務。也就是說，在標註時，不僅要給出情感極性，還要給出情感詞和情片語，主客觀片語，情感主題詞和片語。下邊是我整理的情感分析用語料，從蒐集到的語料也可以看出，當前我們做情感分析的主要任務依然是情感詞典以及情感語料的構建，因為現有語料所涉及的內容還是太少。當然後續我會發布一版利用現有語料進行情感分析的實現程式碼。下邊列出情感分析語料

COAE2014評測語料（語料數量太小）

task1 長新聞文字抽取出主觀句並判斷極性。語料沒有標註。

task2 非中文文字極性判別（對中文情感分析沒有幫助）。

蒙牛產品評論語料，給出一個詞典，要求抽取出新的詞語並判斷極性。語料極性已標註。（語料領域太窄）

微博短文字情感極性分類，要求預測出正、負、中性。語料沒有標註。

微博短文字情感主題抽取（評價物件抽取）語料沒有標註。

COAE2015評測語料

微博短文字情感極性判別，語料已標註。

譚松波酒店評論語料

酒店評論語料，已標註情感極性。

微博評論語料

微博短文字語料，已標註情感極性。