情感词生成 [opinion mining]

本文探讨了情感挖掘中的情感词生成,包括情感分类和情感抽取。通过词典和语料库方法判断词的情感极性,如极词性扩展、情感词典以及基于语料的共现模式。情感词对于理解句子情感至关重要,尤其在面对同一词在不同语境和领域中情感极性变化的情况。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我们知道,在情感挖掘中,主要有情感分类(Sentiment Classification)和情感抽取(Opinion Extraction)。对于文档情感分类,一般是构造特征向量来进行分类或是聚类。也有通过计算文档中词的情感分数来获取文档的情感极性,然而这种方法用的不多,效果也不佳。但是对于句子级别的情感挖掘,由于特征少,情感分类效果没有那么理想,而句子的情感往往是由句子中的几个情感词决定。因而获取情感 词在情感挖掘中很有用。而构造情感词典(sentiment lexicon)往往也是许多无监督学习方法中的首要一步。

 

通常从情感角度来说,一个词可以分为三类:褒义词、中性词、贬义词。然而,由于语境的不同,领域的不同,同样一个词,其情感极性可能就不同。例如:(http://zhidao.baidu.com/question/159946153)

“灯红酒绿”有两个意思,它既可形容寻欢作乐的腐化生活,是贬义词;也可形容都市或娱乐场所的繁华景象,是褒义词

有时甚至在同一领域由于语境同一词的情感极性也不同。例如照相机的评论:

电池寿命很长。(正)

需要很长时间聚焦。(负)

 

以下介绍几种判断词情感的早期的比较经典的方法,主要有基于词典的方法和基于语料的方法。后发现刘兵编的《web数据挖掘》中文版320页的倒数第二段有总结的更典型的参考文献。

利用词典:

1.极词性扩展(近义词、反义词)

(Hu & Liu, 2004)形容词:对评论进行POS标记,利用关联挖掘获取频繁产品特征(如颜色、质量等),在含有特征的句子中抽取形容词作为情感词。根据同义词情感极性相同,反义词情感极性相反,给定几个有极性的种子形容词如美丽等,利用wordnet不断查找它们的同义词和反义词以扩大情感词词典直到其数量不

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值