收稿日期 ：２ ０ １ ３ －１ ２ －１ ２ ） ；湖北师范学院文理学院２ 基金项目 ： 湖北省教 育 厅 青 年 科 学 技 术 研 究 项 目 （ 项 目 编 号 ：Ｑ 项 目 编 号： ２ ０ １ ３ ２ ５ ０ ３ ０ １ ２教学研究项目 （ ） 。 Ｘ Ｊ ２ ０ １ ２ １ ９ ， 男 ， 讲师 ， 硕士 ， 研究方向 ： 文本挖掘 、 情感分析 作者简介 ： 李光敏 （ １ Байду номын сангаас ７ ９ －）
（ ） 湖北师范学院计算机科学技术学院 ， 湖北 黄石 ４ ３ ５ ０ ０ ０
〔 摘 要 〕 随着 Ｗ ｅ ｂ ２ ． ０ 的迅速发展 ， 互联网成为人们表达观点 、 抒发情感的重要工具 ， 如何有效地从 Ｗ ｅ ｂ文本中提取 、 归纳 出用户的情感观点是研究者所面临的重要问题 。 本文首先提出对日益增多的 Ｗ ｅ ｂ 文本进行情感分析的必要性 。 然后从文本主客观 性分类 、 情感极性分类和主题及观点持有者抽取等方面介绍文本情感分 析 在 国 内 外 的 研 究 进 展 ； 最 后 总 结 出 今 后 需 深 入 研 究 的 问 题。 〔 关键词 〕 情感分析 ； 主客观分类 ； 情感极性 ； 情感信息抽取
Ａ ｎ Ｏ ｖ ｅ ｒ ｖ ｉ ｅ ｗ ｏ ｆ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｗ ｅ ｂ Ｔ ｅ ｘ ｔ Ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ Ａ ｎ ａ ｌ ｓ ｉ ｓ ｙ
Ｌ ｉ Ｇ ｕ ａ ｎ ｍ ｉ ｎ ｕ Ｘ ｉ ｎ ｓ ｈ ａ ｎ ｉ ｏ ｎ Ｘ ｕ ｈ ｕ ｉ Ｘ Ｘ ｇ ｇ （ ， ，Ｈ ，Ｃ ） Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｃ ｏ ｍ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｕ ｂ ｅ ｉ Ｎ ｏ ｒ ｍ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｕ ａ ｎ ｓ ｈ ｉ ４ ３ ５ ０ ０ ０ ｈ ｉ ｎ ａ ｇ ｐ ｇ ｙ Ｈ ｙ ｇ
［４ ］ 国内方面 ，Ｌ 提出了基于层叠式 Ｃ ｉ ｕ１ Ｒ Ｆ ｓ模 型 的 句 子
实验分析了上下文信息对主客观分类的影响 。 从国内外研究现状来看 ， 通过分类器和特征项选取是完 成文本主客观分类的主要方法 ， 那么今后采用更深层 、 更具 针对性的特征项更能提高分类效果 。
褒贬度分析方法能在有效识别句子褒贬度的同时 ， 提高了句
２ ０ １ ４年５月 第３ ４ 卷第 ５ 期
现 代 情 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｍ ｏ ｄ ｅ ｒ ｎ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ
， Ｍ ａ ２ ０ １ ４ ｙ Ｖ ｏ ｌ ． ３ ４ ｏ ． ５ Ｎ
· 综 述 ·
Ｗ ｅ ｂ文本情感分析研究综述
李光敏 许新山 熊旭辉
构化的文本进行提 取 和 分 类 的 情 感 分 析 技 术 （ Ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ Ａ－ ） 便应运而生 。 ｎ ａ ｌ ｓ ｉ ｓ ｙ
１ 文本情感分类
广义上讲 ， 文本信息主要用来描述客观性事实和表达主
］ １ ， 当前的文本信息处理大多通过关键词抽取文本 观性观点 ［
描述中特定事 件 发 生 的 时 间 、 地 点 、 人 物 、 属 性 等 客 观 信 息 。 文本情感分类则先对文本进行主客观分类 ， 然后对主观 性文本中的情感信息划分极性 。 极性划分是指对主观性文本 ）的肯 进行情 感 极 性 的 识 别 ， 并 分 别 标 注 为 正 面 （ Ｐ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ） 的否定和中性 （ ） ，即完成情感 定 、 负面 （ Ｎ ｅ ａ ｔ ｉ ｖ ｅ Ｎ ｅ ｕ ｔ ｒ ａ ｌ ｇ 信息分类的第二大任务 。
［ ］ １ ２ 、最 大 熵 （ Ｐ ａ ｎ Ｓ ＶＭ） ＭＥ） 和 朴 ｇ 使用支持 向 量 机 （
） 分类器 ， 采 用 作为特征 ， 设计了朴素贝叶斯 （ Ｎ ａ ｖ ｅ Ｂ ａ ｅ ｓ ｙ １ ０ 折交叉验证 的 测 试 方 法 ， 并 通 过 实 验 证 明 平 均 分 类 准 确 率达到 ８ １ ． ５ ％。Ｗ ｉ ｅ ｂ ｅ 又在此 基 础 上 加 入 词 性 和 基 于 词 典
］ １ ５ 子褒贬强度判 别 的 准 确 度 。 徐 军 ［ 等人利用朴素贝叶斯和
１ ． ２ 主观性文本中的情感极性分类研究
主观性文本 中 的 情 感 极 性 分 类 目 前 主 要 有 两 种 研 究 思 路 ： 基于情感知识的情感词典建立 选取 。 １ ． ２ ． １ 基于情感知识
［ ］ ８ 、 Ｔ ｏ ｎ ｒ ｅ ａ ｔ ａ ｃ ｔ ｉ ｎ ｇ 通过人工抽 取 与 影 评 相 关 的 词 汇 （ ｇ ｇ ［ ］ ７
［ ］ ３
的语义词两类特征 项 ， 使 得 分 类 效 果 提 升 明 显 。Ｏ ｒ ｔ ｅ ａ 通 ｇ
［ ］ ４
过无监督粗 粒 度 的 词 义 消 岐 方 式 来 区 分 每 个 词 的 客 观 、 主 观 、 强主观性用法 ， 从而完成句子级的主客观分类 。 由于中文表达的复杂性和特殊性 ， 国内在该方面的研究 成果不多 。Ｙ 情 感 形 容 词、第 一 ａ ｏ 较早 通 过 预 选 特 征 项 （
— １ ７ ３ —
２ ０ １ ４年５月 第３ ４ 卷第 ５ 期
Ｗ ｅ ｂ文本情感分析研究综述
， Ｍ ａ ２ ０ １ ４ ｙ Ｖ ｏ ｌ ． ３ ４ ｏ ． ５ Ｎ
１ ． １ 主客观分类国内外研究现状
［］ Ｗ ｉ ｅ ｂ ｅ２ 等人较早将形 容 词 、 副 词 等 和 标 点 及 句 子 位 置
［ ］ ５
）３ 种分类器对篇章级的电影评论文本进行分 素贝叶斯 （ Ｎ Ｂ 类对比 ， 发现机器学习方法比基于人工标注特征的方法更有
［ ］ １ ３ 效 ， 并且 Ｓ ＶＭ 在 ３ 种 分 类 器 中 平 均 表 现 最 好 。Ｔ ｈ ｅ ｌ ｗ ａ ｌ ｌ
， 或第二人称代词 、 标点符号 、 感叹词 、 动词 、 数字和日期 ） 使用 Ｗ ｅ ｋ ａ中多种分类算法进行性能测 试 ， 最 后 采 用 ６ 种 稳 定特征项和用于支持向量分 类 的 连 续 最 小 优 化 算 法 （ Ｓ ＭＯ） 能达到最高 Ｆ 度 量 为 ９ ３ ． ８ ％ 的 分 类 效 果。Ｗ ａ ｎ ｇ 通过对比
［ ］ ６
结合研究用户书写习惯 （ 含感叹号 、 重复标点符号 、 单词中 字母重复等 ） 实现 Ｓ ｅ ｎ ｔ ｉ Ｓ ｔ ｒ ｅ ｎ ｔ ｈ 算法对 Ｍ Ｓ ａ ｃ ｅ评论进行极 ｇ ｙ ｐ 性分类 ， 实 验 结 果 表 明 正 向 预 测 准 确 率 达 到 ６ ０ ． ６ ％， 负 向 准确率达到 ７ ２ ． ８ ％。
： ／ Ｄ Ｏ Ｉ １ ０ ． ３ ９ ６ ９ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ８ －０ ８ ２ １ ． ２ ０ １ ４ ． ０ ５ ． ０ ３ ７ ｊ 〔 ）０ 中图分类号 〕Ｔ 文献标识码 〕Ａ 〔 文章编号 〕１ Ｐ １ ８ ０ ０ ８ －０ ８ ２ １（ ２ ０ １ ４ ５ －０ １ ７ ３ －０ ４ 〔
” 中的 “ 草泥马 ” 泥马你何时给老百姓分过房了 ？ Ｃ Ｎ Ｎ” 和 “ 暗示负面情 感 。 这 类 网 络 新 词 也 增 加 了 情 感 词 典 建 立 的 难 度。 １ ． ２ ． ２ 基于机器学习算法 基于机器学习算法方式主要使用训练集对统计模型进行 训练 ， 最后用训 练 好 的 分 类 器 预 测 新 输 入 文 本 中 的 情 感 极 性。
〔 〕Ｗ ， Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｉ ｔ ｈ ｔ ｈ ｅ ｒ ａ ｉ ｄ ｄ ｅ ｖ ｅ ｌ ｏ ｍ ｅ ｎ ｔ ｏ ｆ Ｗ ｅ ｂ ２ ． ０ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ Ｉ ｎ ｔ ｅ ｒ ｎ ｅ ｔ ｈ ａ ｓ ｂ ｅ ｃ ｏ ｍ ｅ ａ ｎ ｉ ｍ ｏ ｒ ｔ ａ ｎ ｔ ｔ ｏ ｏ ｌ ｆ ｏ ｒ ｅ ｏ ｌ ｅ ｔ ｏ ｅ ｘ － ｐ ｐ ｇ ｙ ｐ ｐ ｐ ｒ ｅ ｓ ｓ ｔ ｈ ｅ ｉ ｒ ｏ ｉ ｎ ｉ ｏ ｎ ａ ｎ ｄ ｅ ｍ ｏ ｔ ｉ ｏ ｎ ． Ｉ ｔ ｉ ｓ ａ ｃ ｈ ａ ｌ ｌ ｅ ｎ ｅ ｆ ｏ ｒ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｒ ｓ ｈ ｏ ｗ ｔ ｏ ｅ ｘ ｔ ｒ ａ ｃ ｔ ａ ｎ ｄ ｓ ｕ ｍｍ ａ ｒ ｉ ｚ ｅ ｕ ｓ ｅ ｒ ｏ ｉ ｎ ｉ ｏ ｎ ｓ ｅ ｘ ｒ ｅ ｓ ｓ ｅ ｄ ｉ ｎ ｐ ｐ ｇ ｐ ｐ ， ｗ ｅ ｂ ｔ ｅ ｘ ｔ ．Ｆ ｉ ｒ ｓ ｔ ｌ ｔ ｈ ｉ ｓ ａ ｅ ｒ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ｔ ｈ ｅ ｎ ｅ ｃ ｅ ｓ ｓ ｉ ｔ ｏ ｆ ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ ａ ｎ ａ ｌ ｓ ｉ ｓ ｏ ｎ ｔ ｈ ｅ ｒ ｏ ｗ ｉ ｎ Ｗ ｅ ｂ ｔ ｅ ｘ ｔ ．Ｔ ｈ ｅ ｎ ｉ ｔ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｙ ｐ ｐ ｐ ｙ ｙ ｇ ｇ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｒ ｏ ｒ ｅ ｓ ｓ ｂ ｏ ｔ ｈ ａ ｔ ｈ ｏ ｍ ｅ ａ ｎ ｄ ａ ｂ ｒ ｏ ａ ｄ ｏ ｆ ｔ ｅ ｘ ｔ ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ ａ ｎ ａ ｌ ｓ ｉ ｓ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｒ ｏ ｓ ｅ ｃ ｔ ｏ ｆ ｅ ｍ ｏ ｔ ｉ ｏ ｎ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｔ ｈ ｅ － ｐ ｇ ｙ ｐ ｐ ， ，ｅ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ｃ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ．Ｆ ｉ ｎ ａ ｌ ｌ ｉ ｔ ｓ ｕ ｍｍ ａ ｒ ｉ ｚ ｅ ｄ ｔ ｈ ｅ ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ ａ ｎ ａ ｌ ｓ ｉ ｓ ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｔ ａ ｔ ｕ ｓ ｘ ｉ ｓ ｔ ｉ ｎ ａ ｎ ｄ ｐ ｙ ｙ ｐ ｐ ｇ ｄ ｅ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｉ ｅ ｓ ｏ ｆ ｉ ｔ ． 〔 〕ｓ ； ； ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ ａ ｎ ａ ｌ ｓ ｉ ｓ ｓ ｕ ｂ ｅ ｃ ｔ ｉ ｖ ｅ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｅ ｎ ｔ ｉ ｍ ｅ ｎ ｔ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｌ ａ ｒ ｉ ｔ ｙ ｊ ｐ ｙ ｙ ｅ ｂ文本成为交流情感 、 发表 随着互联网的飞速发展 ， Ｗ 观点的主要载体和热点话题的信息源 。 用户通过社会化媒体 （ 论坛 、 博客 、 微博 ） 分 享 对 所 购 商 品 的 使 用 感 受 、 新 上 映 电影的评论 、 当前热点新闻的个人看法等 ， 这些言论往往包 含有喜 、 怒 、 哀 、 乐 、 肯定 、 否定 、 中立等个人丰富的情感 和观点 。 正是这些包含 丰 富 情 感 的 Ｗ ｅ ｂ评 论 文 本 的 涌 现， 一 方 面帮 助 生 产 厂 商 通 过 网 络 口 碑 （ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｗ ｏ ｒ ｄ－ｏ ｆ－ ） 了解产品优势 和 不 足 ， 以 改 进 产 品 设 计 和 服 务 ， 调 ｍ ｏ ｕ ｔ ｈ 整广告投放策略 ， 获得市场竞争优势 ； 另一方面帮助消费者 了解产品性能 ， 缩短购买决策时间 。 如果仅靠手工对这些日 益增长的海量信息进行归纳 、 分类 ， 显然是不现实的 。 因此 结合信息检索 、 自然语言处理 、 机器学习等领域知识对非结