序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇網(wǎng)絡(luò)輿情分析研究現(xiàn)狀范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-2163（2013）02-0050-04

0引言

目前，隨著網(wǎng)絡(luò)全球化的進(jìn)程加快以及移動(dòng)技術(shù)的推廣，微博已經(jīng)成為了網(wǎng)絡(luò)輿情的主要源頭和有效傳播路徑。由于微博具有的進(jìn)入門檻低、操作便捷、互動(dòng)性強(qiáng)等特點(diǎn)，近兩年在全國得到了迅速的普及，獲得廣泛的應(yīng)用。但是不可忽視的隱患也隨之呈現(xiàn)。微博已經(jīng)成為了各種謠言和違法信息滋生、蔓延的主要平臺(tái)，對(duì)社會(huì)也造成了無法預(yù)知的不良影響。因此，開展微博的輿情監(jiān)控和分析研究已是大勢所趨，勢在必行。

1研究現(xiàn)狀

目前，已有針對(duì)網(wǎng)絡(luò)輿情分析和挖掘的軟件產(chǎn)品，較典型的有 Autonomy 網(wǎng)絡(luò)輿情聚成系統(tǒng)、Goonie 互聯(lián)網(wǎng)輿情監(jiān)測系統(tǒng)、TRS 互聯(lián)網(wǎng)輿情信息監(jiān)控系統(tǒng)、方正智思輿情預(yù)警輔助決策支持系統(tǒng)、中科點(diǎn)擊（北京）科技有限公司研發(fā)的軍犬網(wǎng)絡(luò)輿情監(jiān)控系統(tǒng)等。這些系統(tǒng)均能對(duì)網(wǎng)絡(luò)輿情發(fā)揮一定的監(jiān)測、分析和預(yù)警的作用，為社會(huì)和諧穩(wěn)定提供了有效的技術(shù)和決策支持。雖然如此，但針對(duì)微博輿情監(jiān)測和分析的大部分系統(tǒng)卻沒有充分考慮到微博用戶基數(shù)大、覆蓋面廣、數(shù)據(jù)量巨大、更新速度快的特點(diǎn)，而在這種情況下，采用普通的關(guān)系數(shù)據(jù)庫顯然無法滿足要求，因此，引入NoSQL技術(shù)存儲(chǔ)數(shù)據(jù)則是一個(gè)頗有前景的發(fā)展方向。

2微博輿情傳播特點(diǎn)

基于上述對(duì)微博使用方式的分析，決定了微博輿情的傳播將具有如下特點(diǎn)：

（1）信息生成和傳播簡便。只要簡單操作，就可以第一時(shí)間關(guān)注微博新聞中的相關(guān)人物，或轉(zhuǎn)發(fā)傳統(tǒng)新聞和論壇中的內(nèi)容，而且由于移動(dòng)終端對(duì)微博的支持，微博就超越了時(shí)間與地域的限制，完全實(shí)現(xiàn)了微博的簡便簡易性。

（2）傳播信息快捷。僅以“7 .23”動(dòng)車事件為例，2011 年7 月23 日晚20 點(diǎn)38 分事故發(fā)生，4分鐘后網(wǎng)友發(fā)出了第一條微博，比傳統(tǒng)媒體提早了兩個(gè)多小時(shí)。

（3）病毒爆發(fā)式的信息傳播模式。消息一經(jīng)發(fā)出，用戶的所有關(guān)注者都能收到，而這一群體再亦如此繼續(xù)向外傳播，則微博信息就呈現(xiàn)了病毒爆發(fā)式擴(kuò)散傳播的態(tài)勢。

3基于noSQL的數(shù)據(jù)庫設(shè)計(jì)

NoSQL最初出現(xiàn)于2009年6月11日由Oskarsson在舊金山發(fā)起并組織的一個(gè)非正式會(huì)議上。NoSQL是當(dāng)下數(shù)據(jù)庫家族的外來者，雖然有些通用的特征，但卻沒有一個(gè)特征得到了明確定義。

根據(jù)輿情監(jiān)控系統(tǒng)的數(shù)據(jù)實(shí)際情況，在其系統(tǒng)的數(shù)據(jù)庫設(shè)計(jì)中引入NoSQL，當(dāng)寫入數(shù)據(jù)時(shí)，可在MySQL、NoSQL中分別寫入一條數(shù)據(jù)的不同字段，而讀取數(shù)據(jù)時(shí)，則從MySQL、NoSQL組合字段完成讀取。這一讀/寫過程如圖1所示。

在如圖1所示的組合結(jié)構(gòu)中，MySQL中存儲(chǔ)著需要查詢字段中的數(shù)字、時(shí)間等類型的小字段，其后按照查詢建立相應(yīng)的索引，而NoSQL中則存儲(chǔ)著包括大文本字段在內(nèi)的其他并不需要的字段。查詢過程可描述為，首先將數(shù)據(jù)主鍵從MySQL中查詢出來，再從NoSQL中直接取出對(duì)應(yīng)的數(shù)據(jù)。

文中設(shè)計(jì)的架構(gòu)模式使得MySQL和NoSQL能夠各自發(fā)揮所長，即由MySQL實(shí)現(xiàn)關(guān)系存儲(chǔ)，而NoSQL則實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)。這種設(shè)計(jì)的優(yōu)點(diǎn)如下：節(jié)省MySQL的IO開銷、提高M(jìn)ySQl Query Cache緩存命中率、改進(jìn)了MySQL主從同步效率、提升了MySQL數(shù)據(jù)備份和恢復(fù)的速度、具有更好的擴(kuò)展性。

還需一提的是，這種以MySQL為主、NoSQL為輔的架構(gòu)設(shè)計(jì)與MySQL的單體架構(gòu)相比，系統(tǒng)的多樣性能和可擴(kuò)展性均得到了有效提高。

4基于微博的Scool輿情監(jiān)測分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

基于微博的Scool輿情監(jiān)測分析系統(tǒng)旨在取代傳統(tǒng)的人工收集和監(jiān)控工作，實(shí)現(xiàn)深入、高效挖掘，并實(shí)時(shí)得到微博網(wǎng)絡(luò)中相對(duì)敏感的輿論信息，以警示管理人員及時(shí)采取相應(yīng)措施。

基于微博的Scool輿情監(jiān)測分析系統(tǒng)的實(shí)現(xiàn)過程是，每日需定時(shí)、周期地對(duì)新浪微博、騰訊微博、網(wǎng)易微博、搜狐微博進(jìn)行網(wǎng)頁抓取后，并對(duì)其內(nèi)容實(shí)行解析后存入數(shù)據(jù)庫，而后通過分詞索引以建立搜索引擎，實(shí)現(xiàn)數(shù)據(jù)索引，再通過用戶設(shè)定的關(guān)鍵詞庫對(duì)采集的數(shù)據(jù)進(jìn)行關(guān)鍵詞集過濾，由此獲得敏感輿情信息文本返回給用戶界面。系統(tǒng)還應(yīng)對(duì)收集的信息進(jìn)行自然語言處理，從而識(shí)別得到熱點(diǎn)話題和熱門事件。

4.1軟件體系結(jié)構(gòu)

系統(tǒng)分為后臺(tái)數(shù)據(jù)分析模塊和前臺(tái)數(shù)據(jù)展示模塊。后臺(tái)模塊負(fù)責(zé)實(shí)現(xiàn)數(shù)據(jù)抓取與分析，是系統(tǒng)的核心。前臺(tái)模塊負(fù)責(zé)完成微博、Web數(shù)據(jù)展示和基本維護(hù)操作。

4.1.1前臺(tái)結(jié)構(gòu)

前臺(tái)展示程序分為四大塊，分別是：輿情信息展示、輿情搜索、用戶監(jiān)控網(wǎng)址和關(guān)鍵詞設(shè)置、用戶登錄與管理。其中，輿情整體全面展示則按五類來進(jìn)行和表現(xiàn)，分別是：最新輿情展示、按網(wǎng)站類型展示、按監(jiān)控網(wǎng)址展示、按話題事件展示和輿情統(tǒng)計(jì)。前臺(tái)模塊的結(jié)構(gòu)框架如圖2所示。

前臺(tái)展示程序主要基于JAVA開源SSH框架來進(jìn)行構(gòu)建而得以實(shí)現(xiàn)，其設(shè)計(jì)結(jié)構(gòu)如圖3所示。

在本系統(tǒng)的架構(gòu)設(shè)計(jì)中，將在表示層上構(gòu)設(shè)的Struts框架，在業(yè)務(wù)邏輯層構(gòu)設(shè)的Spring框架以及在數(shù)據(jù)訪問層構(gòu)設(shè)

（1）表現(xiàn)層使用JSP來實(shí)現(xiàn)構(gòu)建，為客戶端提供對(duì)應(yīng)用程序的訪問；

（2）控制層接受客戶端的請(qǐng)求，并根據(jù)不同的請(qǐng)求調(diào)用相應(yīng)的事務(wù)邏輯，再將處理結(jié)果返回到相關(guān)的頁面；

（3）業(yè)務(wù)邏輯層用來提供相關(guān)的業(yè)務(wù)邏輯；

（4）數(shù)據(jù)訪問層提供對(duì)數(shù)據(jù)庫的各種操作。

系統(tǒng)設(shè)計(jì)中的三大框架有機(jī)配合、協(xié)調(diào)統(tǒng)一，其各自實(shí)現(xiàn)功能為：

在表現(xiàn)層中，由Struts框架負(fù)責(zé)處理JSP頁面的請(qǐng)求和轉(zhuǎn)發(fā)工作；在系統(tǒng)中用Hibernate來封裝數(shù)據(jù)庫的連接類，通過該框架所提供的注解方式實(shí)現(xiàn)了實(shí)體類與數(shù)據(jù)庫表結(jié)構(gòu)間的映射關(guān)系，并由該框架完成在數(shù)據(jù)訪問層與數(shù)據(jù)庫間的交互工作，再通過Hibernate框架的二級(jí)緩存EHCache提供對(duì)用戶關(guān)鍵詞和行業(yè)惡劣情感詞的高效緩存。此外，系統(tǒng)使用Spring框架作為系統(tǒng)運(yùn)行輕量級(jí)的容器，負(fù)責(zé)在業(yè)務(wù)邏輯層處理業(yè)務(wù)邏輯工作。通過在配置文件中設(shè)置對(duì)象的創(chuàng)建方式及對(duì)象之間的關(guān)系，即可由Spring框架的IoC的容器來創(chuàng)建對(duì)象，同時(shí)也維護(hù)對(duì)象之間的依賴關(guān)系。通過這三大框架的整合，有效降低了系統(tǒng)中各模塊之間的相關(guān)性，由此形成一個(gè)結(jié)構(gòu)科學(xué)、功能強(qiáng)大和層次清晰的框架體系。

4.1.2后臺(tái)結(jié)構(gòu)

由圖6可知道，后臺(tái)結(jié)構(gòu)可分為數(shù)據(jù)緩沖池隊(duì)列，線程池線程和數(shù)據(jù)庫三部分。其中，緩存隊(duì)列負(fù)責(zé)數(shù)據(jù)流的來源，關(guān)鍵處理流程則拆分至各個(gè)線程中獨(dú)立實(shí)現(xiàn)；線程控制數(shù)據(jù)緩存池中數(shù)據(jù)流的走向，各線程本身的并發(fā)運(yùn)行均交由線程池實(shí)現(xiàn)統(tǒng)一管理。數(shù)據(jù)庫則采用上述的NoSQL與關(guān)系數(shù)據(jù)庫相結(jié)合的對(duì)應(yīng)技術(shù)來主導(dǎo)實(shí)現(xiàn)。

4.2系統(tǒng)實(shí)現(xiàn)

用戶注冊(cè)、登錄系統(tǒng)后，可以點(diǎn)擊頁面上的相應(yīng)標(biāo)簽來查看有關(guān)的輿情記錄。同時(shí)，系統(tǒng)也會(huì)將每天最新的輿情記錄完整、清晰地呈現(xiàn)。用戶還可以點(diǎn)擊更多的輿情鏈接來查看當(dāng)日之前任何一天的輿情記錄。

可以點(diǎn)擊系統(tǒng)主頁上的輿情搜索標(biāo)簽來進(jìn)行包含指定關(guān)鍵詞的輿情記錄，搜索頁面如圖7所示。在輸入框中輸入關(guān)鍵詞，就可以看到相關(guān)的信息。

5.結(jié)束語

在Scool輿情監(jiān)測和分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)過程中，有關(guān)信息存儲(chǔ)方面，本文主要提出了NoSQL和MySQL相結(jié)合的方法。實(shí)驗(yàn)證明，采用這種信息存儲(chǔ)的方法可節(jié)省MySQL的IO開銷、提高M(jìn)ySQL數(shù)據(jù)備份和恢復(fù)的速度、且比以前更容易實(shí)現(xiàn)擴(kuò)展。對(duì)其后類似系統(tǒng)的設(shè)計(jì)提供了有益借鑒，并顯示了一定參考價(jià)值。由于時(shí)間及技術(shù)的限制，測試和抓取的數(shù)據(jù)還不夠連續(xù)和充分，下一步仍可繼續(xù)完善和推進(jìn)這一方面的工作。

參考文獻(xiàn)：

[1]賈焰，劉江寧. 微博的輿情特點(diǎn)及其謠言治理[J]. 圖書情報(bào)知識(shí)，2012（6）：7-9.

[2]張玉峰，何超. 基于Web挖掘的網(wǎng)絡(luò)智能分析研究[J]. ITA，2011（4）：64-68.

[3]汝艷紅. 微博信息傳播的特點(diǎn)及發(fā)展趨勢[J]. 青年記者，2012（8）：27-30.

[4]鐘瑛，劉利芳. 微博傳播的輿論影響力[J]. 新聞與傳播研究，2013（2）：8-12.

[5]FOWLER M. NoSQL Distilled[M]. 2009：1-20

篇（2）

中圖分類號(hào)：TP3911 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-2163（2013）02-0011-05

0引言

依存句法分析模型可用于精確地自動(dòng)構(gòu)建給定句子中詞匯之間的依存關(guān)系[1]。該類模型可大致分為基于有監(jiān)督學(xué)習(xí)和基于文法規(guī)則兩類模型?；谟斜O(jiān)督學(xué)習(xí)的依存句法分析模型是指使用統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法，通過從大量標(biāo)注語料中學(xué)習(xí)參數(shù)而相應(yīng)構(gòu)建的依存句法分析模型。而基于文法規(guī)則的依存句法分析模型則指依據(jù)專家提煉或數(shù)據(jù)挖掘的文法規(guī)則而憑此構(gòu)建的依存句法分析模型。兩種模型各有優(yōu)缺點(diǎn)，前者一般可以獲得較高的預(yù)測精度，但卻需要設(shè)計(jì)大量的標(biāo)注依存結(jié)構(gòu)的句子作為學(xué)習(xí)樣本訓(xùn)練模型；后者通常不需要設(shè)計(jì)大量訓(xùn)練樣本，但由于專家的知識(shí)受限，規(guī)則領(lǐng)域適應(yīng)性較差，導(dǎo)致該種模型預(yù)測精度并不高。藉此分析，基于有監(jiān)督學(xué)習(xí)的依存句法分析模型具有較高的預(yù)測精度，因此，本文將圍繞該類模型的研究現(xiàn)狀而展開綜述。具體內(nèi)容如下。

基于有監(jiān)督學(xué)習(xí)的依存句法分析模型的構(gòu)建過程一般可分為兩步[2]：

（1）學(xué)習(xí)。給定一個(gè)標(biāo)注依存結(jié)構(gòu)的句子集合，人工構(gòu)建依存特征模板，再從集合中抽取依存特征。其后，設(shè)定模型參數(shù)，并在有限步驟內(nèi)推導(dǎo)得出一個(gè)依存句法分析模型；

（2）評(píng)價(jià)。給定測試集合及評(píng)價(jià)方法，若該模型的預(yù)測結(jié)果滿足期望值，模型構(gòu)建完成，否則進(jìn)入步驟（1）。

有監(jiān)督學(xué)習(xí)的依存句法分析模型又可分為基于移近規(guī)約和基于圖兩類。其中，基于圖的依存句法分析模型在效率和精確度都有良好表現(xiàn)，因而廣受關(guān)注?；趫D的依存句法分析模型的原理是借助最大生成樹算法，實(shí)現(xiàn)句子的依存句法分析。例如句子“漢族/nR 醫(yī)學(xué)/n 又/d 有/v 中醫(yī)/n 之/uJDE 稱/n”的依存句法分析結(jié)果如圖1所示。

在構(gòu)建基于有監(jiān)督學(xué)習(xí)的依存句法分析模型時(shí)，主要集中于兩個(gè)方面：資源建設(shè)和特征工程。針對(duì)其相關(guān)研究，本文給出了較為系統(tǒng)、詳盡的綜述。在資源建設(shè)研究方面，人們通過依存關(guān)系映射和主動(dòng)學(xué)習(xí)兩種方法緩解語料匱乏的困境。通過將源領(lǐng)域中標(biāo)注依存關(guān)系的映射到目標(biāo)領(lǐng)域?qū)崿F(xiàn)目標(biāo)領(lǐng)域的依存關(guān)系自動(dòng)化標(biāo)注，達(dá)到自動(dòng)化構(gòu)建目標(biāo)領(lǐng)域語料的目的，進(jìn)而在目標(biāo)領(lǐng)域借助自動(dòng)標(biāo)注的語料構(gòu)建依存句法分析模型；而借助主動(dòng)學(xué)習(xí)思想，一方面可選擇頗具價(jià)值的人工標(biāo)注對(duì)象進(jìn)行人工標(biāo)注，擴(kuò)充標(biāo)注集合，另一方面也可降低人工標(biāo)注的工作量。在特征工程研究方面，人們分析了不同特征對(duì)構(gòu)建依存句法分析模型的貢獻(xiàn)，涉及的特征包括詞匯特征、句子特征，以及語言形態(tài)特征等，同時(shí)介紹了如何因解決特征稀疏而導(dǎo)致的模型性能下降的問題。此外，具體而深入地分析、評(píng)價(jià)了依存句法分析模型一體化的優(yōu)勢和不足。

本文的組織結(jié)構(gòu)如下：第二部分針對(duì)語料匱乏、特征選擇和獲取、以及模型一體化問題，詳細(xì)比較和分析了現(xiàn)有模型的研究現(xiàn)狀；第三部分從事件抽取、產(chǎn)品評(píng)論分析，以及輿情分析角度說明了現(xiàn)有模型最近的應(yīng)用情況；最后總結(jié)現(xiàn)有模型研究并對(duì)未來可能研究方向給予展望。

1基于有監(jiān)督學(xué)習(xí)的依存句法分析模型

1.1標(biāo)注語料匱乏

近年來，在標(biāo)注語料匱乏研究方面，人們借助依存關(guān)系映射和主動(dòng)學(xué)習(xí)方法改進(jìn)標(biāo)注語料不足的狀況。在依存關(guān)系映射研究方面，已有學(xué)者采用規(guī)則過濾[3]、適應(yīng)性標(biāo)注方法[4]、動(dòng)態(tài)規(guī)劃方法[5]解決源領(lǐng)域和目標(biāo)領(lǐng)域之間的差異，但效果并不明顯。Jiang等[6]采用一種依存結(jié)構(gòu)映射策略，將源領(lǐng)域中豐富的依存關(guān)系映射到資源短缺的目標(biāo)領(lǐng)域中，實(shí)現(xiàn)目標(biāo)領(lǐng)域依存關(guān)系語言的自動(dòng)構(gòu)建。例如，將標(biāo)注依存關(guān)系的英語語料中的依存關(guān)系映射到中文語料中，實(shí)現(xiàn)中文語料的自動(dòng)標(biāo)注。實(shí)現(xiàn)依存映射時(shí)，若采用詞對(duì)齊方法實(shí)現(xiàn)依存關(guān)系映射，映射過程中會(huì)產(chǎn)生詞對(duì)齊的錯(cuò)誤和不同語言之間因句法差異產(chǎn)生的錯(cuò)誤。與已有方法不同，作者采用的映射方法不是將整棵句子依存樹映射到目標(biāo)領(lǐng)域，而是映射詞匯依存關(guān)系。給定詞對(duì)齊雙語語料，源領(lǐng)域的句子標(biāo)注了依存句法結(jié)構(gòu)，其中的依存關(guān)系是布爾型，表示是否存在依存關(guān)系。而后將源領(lǐng)域中詞對(duì)的依存關(guān)系映射為目標(biāo)領(lǐng)域的詞對(duì)。在目標(biāo)領(lǐng)域產(chǎn)生依存關(guān)系的實(shí)例過程中，最先獲得詞對(duì)齊的映射，采用映射矩陣而不是單個(gè)的詞對(duì)齊，這樣可以減少詞對(duì)齊的錯(cuò)誤。而且詞對(duì)齊的映射不是一一映射，因而能夠獲得多種映射組合。假設(shè)詞對(duì)（a， b），其中，詞a有n種映射射結(jié)果，詞b有m種映射結(jié)果，則詞對(duì)（a， b）就存在n×m種映射可能。然后，根據(jù)源端句法樹庫以及映射矩陣計(jì)算目標(biāo)領(lǐng)域存在依存關(guān)系的概率。最后，設(shè)定閾值T確定在目標(biāo)領(lǐng)域是否產(chǎn)生依存關(guān)系。大于閾值T，則存在依存關(guān)系，即為正例；若小于（1 - T），則不存在依存關(guān)系，即為反例。如此就獲得了大量目標(biāo)領(lǐng)域的依存關(guān)系樣例。通過在目標(biāo)領(lǐng)域產(chǎn)生的樣例上訓(xùn)練最大熵分類器實(shí)現(xiàn)目標(biāo)端的依存關(guān)系預(yù)測。該種映射方法降低了依存關(guān)系映射時(shí)產(chǎn)生錯(cuò)誤關(guān)系的概率，并且一定程度上借助英文標(biāo)注語料應(yīng)對(duì)中文依存分析語料匱乏的狀況。但該模型仍然無法避免兩種語言在句法差異上導(dǎo)致的錯(cuò)誤的關(guān)系映射。此外，也難以精確設(shè)定閾值來判定映射結(jié)果是否為依存關(guān)系。

其中，si表示n-best的句法分析結(jié)果中第i個(gè)預(yù)測結(jié)果分值，n表示利用DP預(yù)測得到的句法分析樹的數(shù)量。當(dāng)n-best的句法分析結(jié)果的分值互相之間越發(fā)接近時(shí)，熵值也將越高。這時(shí)，句法分析器預(yù)測結(jié)果“徘徊”在n-best之中，即根據(jù)句法分析器預(yù)測結(jié)果是很難選擇得到最好的句法分析樹的，因此，句子s需要人工標(biāo)注依存句法結(jié)構(gòu)。依據(jù)上述思想，可從未標(biāo)注集合中挑選k個(gè)不確定性最高的樣本進(jìn)行人工依存句法結(jié)構(gòu)標(biāo)注。

此后，將標(biāo)記結(jié)果加入到標(biāo)注集合中，重新訓(xùn)練句法分析器，獲得新的句法分析器。上述過程反復(fù)迭代，直到未標(biāo)注集合為空。通過這種方式擴(kuò)充標(biāo)注集合來解決語料匱乏問題。

另外，句子中只有部分依存關(guān)系不確定，通過標(biāo)注這些不確定的依存關(guān)系就可以完成句子的依存結(jié)構(gòu)標(biāo)注。借助依存關(guān)系熵來度量依存關(guān)系的不確定性，具體計(jì)算如式（3）所示。

由圖2可知，首先根據(jù)標(biāo)注集合訓(xùn)練得到依存句法分析器DP，借助DP構(gòu)建未標(biāo)注集合中句子依存句法分析樹，再根據(jù)句子不確定函數(shù)選擇k個(gè)不確定句子，同時(shí)根據(jù)依存關(guān)系不確定函數(shù)選擇k’個(gè)依存關(guān)系并人工標(biāo)注，由此將標(biāo)注結(jié)果加入標(biāo)注集合，重新訓(xùn)練構(gòu)建依存句法分析器，上述過程反復(fù)進(jìn)行，直到未標(biāo)注集合為空。

1.2特征提取與選擇

在特征提取與選擇研究方面，人們分別從不同特征對(duì)構(gòu)建依存句法分析模型的貢獻(xiàn)角度，以及特征稀疏對(duì)構(gòu)建模型產(chǎn)生的影響角度展開研究。其中的特征主要分為：句子級(jí)特征、詞類別特征、語言形態(tài)特征、以及高階特征等，下面對(duì)其相關(guān)工作分別作以綜合分析。

在句子級(jí)特征研究方面，Gadde[8]等使用短句信息提高句法分析性能。將短句的邊界信息作為依存關(guān)系的限制特征來豐富特征集合，并提高依存關(guān)系預(yù)測精度。將ICON2009的數(shù)據(jù)集作為測試集，使用MSTParser[1]作為依存句法分析器，在無標(biāo)記和有標(biāo)記的評(píng)測中預(yù)測精度分別為87%和77%。在詞類別特征提取研究方面，Agirre等[9]嘗試從WordNet中獲得詞匯的基本語義類作為依存特征，同時(shí)采用詞義消歧算法減少詞義歧義帶來的噪聲，以此提升依存句法關(guān)系預(yù)測精度。Haffari等[10]在MSTParser依存句法分析器框架下提出將詞匯表示為句法和語義兩種表示方式，并采用線性加權(quán)方式將這兩種表示形式的特征信息相融合，由此將依存句法分析精度則從90.82%提升到92.13%。在利用語言形態(tài)特征研究方面， Marton等[11]探索了形態(tài)學(xué)特征對(duì)句法分析的貢獻(xiàn)，并發(fā)現(xiàn)時(shí)態(tài)、單復(fù)數(shù)、詞綴均可提升阿拉伯語的依存句法分析精度。而在利用高階特征研究方面，Massimiliano Ciaramita等[12]使用依存語言模型和beam搜索構(gòu)建高階特征。采用大量基準(zhǔn)依存句法分析器自動(dòng)分析語句構(gòu)建依存句法語言模型，并借助依存語言模型構(gòu)建高階特征，再使用beam搜索在解碼階段將特征有效整合至依存句法分析模型中。模型中考慮了原始模型（MSTParser）中最大生成樹的分值，同時(shí)考慮依存語言模型的分值，具體計(jì)算如式（5）所示。

由式（5）可知，該模型在解碼階段不僅考慮了MSTParser預(yù)測結(jié)果，同時(shí)考慮了依存語言模型對(duì)依存句法分析的貢獻(xiàn)。實(shí)驗(yàn)結(jié)果顯示中文句法分析達(dá)到了最高精度，而且在英語上也獲得了與已知最好系統(tǒng)的可比精度。在特征稀疏研究方面， Zhou[13]結(jié)合從網(wǎng)絡(luò)獲取的詞匯搭配偏好來提高依存句法分析精度。通過從網(wǎng)絡(luò)語料Google hits和Google V1構(gòu)建詞匯之間的搭配偏好。實(shí)驗(yàn)結(jié)果表明，借助搭配偏好提升了依存句法分析性能。更重要的，在處理新領(lǐng)域數(shù)據(jù)時(shí)，使用網(wǎng)絡(luò)獲取的詞匯搭配偏好可使模型具有更好的健壯性。另外，在網(wǎng)絡(luò)數(shù)據(jù)上抽取詞匯搭配偏好還可以避免數(shù)據(jù)稀疏問題，而且已在特征稀疏的生物醫(yī)療領(lǐng)域驗(yàn)證了吃方法的有效性。

1.3一體化模型

詞性標(biāo)注是依存句法分析中必不可少的一個(gè)基礎(chǔ)步驟。當(dāng)前的研究將依存句法分析和詞性標(biāo)注分開建模，這就可能導(dǎo)致底層的詞性標(biāo)注錯(cuò)誤向高層依存句法分析傳播，進(jìn)而降低依存句法分析精度。實(shí)驗(yàn)表明，由于詞性標(biāo)注的錯(cuò)誤，將造成句法分析精度大約下降6%。為了解決這個(gè)問題，李正華等[14]提出詞性標(biāo)注和依存句法分析的聯(lián)合模型。模型采用剪枝策略來減小候選詞性標(biāo)簽空間，大大提高了句法分析速度。其基本思想是同時(shí)最大化詞性標(biāo)注和依存句法分析性能。在這個(gè)模型中，詞性標(biāo)注和依存句法分析的特征權(quán)重做以同步調(diào)整，借助詞性和句法特征交互來確定優(yōu)化的聯(lián)合結(jié)果。在中文賓州樹庫上進(jìn)行測試實(shí)驗(yàn)，其結(jié)果表明依存句法分析精度提高1.5%。而在此基礎(chǔ)上，Hatori等[15]提出第一個(gè)分詞、詞性標(biāo)注以及句法分析的一體化模型。通過結(jié)合分詞、詞性標(biāo)注和依存分析模型的特征構(gòu)建一體化模型，并提出基于字符的解碼方法。此外，Li， Zhongguo等[16]提出一體化中文依存句法分析模型，將未分詞的句子作為輸入，其輸出即為句法結(jié)構(gòu)。通過移除中間分詞步驟，一體化句法分析器不再需要單詞和短語的分割標(biāo)記，因特征提取錯(cuò)誤而導(dǎo)致的性能下降也將為之得到控制。但是一體化模型雖然提升了依存句法分析的精度，但卻同時(shí)增加了解碼復(fù)雜度。

1.4其他

此外，人們?cè)诟纳埔来娣治鲂?，以及借助機(jī)器翻譯技術(shù)提升依存句法分析精度方面也同樣開展了廣泛研究。在改善依存分析效率研究中，研究人員發(fā)現(xiàn)構(gòu)建依存樹的過程中會(huì)產(chǎn)生大量錯(cuò)誤的依存關(guān)系，過濾這些依存關(guān)系可以提高依存分析效率。Bergsma等[17]采用級(jí)聯(lián)式過濾模型過濾錯(cuò)誤的依存關(guān)系。可采用三種方法實(shí)現(xiàn)過濾：基于規(guī)則過濾、借助線性過濾器和二次型過濾器過濾錯(cuò)誤的依存關(guān)系。在基于規(guī)則過濾研究方面，訓(xùn)練支持向量機(jī)依存關(guān)系分類器，特征只包括頭或依存關(guān)系中的詞性，由此利用學(xué)習(xí)得到的特征權(quán)重過濾詞性或詞性對(duì)。例如，如果一個(gè)詞性標(biāo)記在非頭詞的分類器中的權(quán)重為正，則以這個(gè)節(jié)點(diǎn)作為頭的所有弧都將被過濾。這樣借助學(xué)習(xí)得到的權(quán)重構(gòu)建一組高精度的過濾規(guī)則，即真正實(shí)現(xiàn)了依存關(guān)系的過濾。在線性過濾器研究方面，首先構(gòu)建8個(gè)分類器作為過濾器，分別針對(duì)如下8種節(jié)點(diǎn)分類問題：

（1）節(jié)點(diǎn)是否為頭（例如節(jié)點(diǎn)是葉子節(jié)點(diǎn)）；

（2）節(jié)點(diǎn)的頭是否在左側(cè)；

（3）節(jié)點(diǎn)的頭是否在右側(cè)；

（4）節(jié)點(diǎn)的頭是否在左側(cè)5個(gè)節(jié)點(diǎn)距離之內(nèi)；

（5）節(jié)點(diǎn)的頭是否在右側(cè)5個(gè)節(jié)點(diǎn)距離之內(nèi)；

（6）節(jié)點(diǎn)頭是否在左側(cè)第一個(gè)節(jié)點(diǎn)；

（7）節(jié)點(diǎn)的頭是否在右側(cè)第一個(gè)節(jié)點(diǎn)；

（8）節(jié)點(diǎn)是否是根節(jié)點(diǎn)。

使用相同的特征模板，得到8種不同的特征權(quán)重，分別對(duì)應(yīng)8種不同的分類，并且每一種過濾器的輸入均是上一種過濾器輸出的結(jié)果。通過這種方式實(shí)現(xiàn)過濾，構(gòu)建二次型支持向量機(jī)分類器決定過濾哪些頭—依賴對(duì)。實(shí)驗(yàn)結(jié)果表明，基于規(guī)則過濾可以過濾占據(jù)25%的潛在依存關(guān)系。線性過濾器能夠過濾高達(dá)54.2%的潛在依存關(guān)系。而二次型過濾器則能夠過濾具體為22%的潛在依存關(guān)系。

在借助機(jī)器翻譯技術(shù)提升依存句法分析精度研究方面，Chen等[18]提出使用統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)提高雙語句法分析精度的方法。假設(shè)在源端存在模糊的依存關(guān)系判定，在目標(biāo)端可能就是清晰的依存關(guān)系判定，因而可根據(jù)目標(biāo)端來修正源端的依存關(guān)系預(yù)測結(jié)果。首先，使用統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)將源端的單語樹庫譯為目標(biāo)端的語言。然后，在目標(biāo)端采用目標(biāo)端依存句法分析器進(jìn)行句法分析，構(gòu)建依存句法分析樹。由此獲得雙語樹庫，即在源端是人工標(biāo)記的樹庫，在目標(biāo)端就是自動(dòng)生成的樹庫。盡管在目標(biāo)端的句子和生成樹并不完備，但是采用這些自動(dòng)生成的雙語樹庫，從中抽取出目標(biāo)端的依存限制來修正源端依存分析性能，實(shí)現(xiàn)雙語句法分析性能的改進(jìn)和提升。實(shí)驗(yàn)結(jié)果顯示該方法的表現(xiàn)則要顯著優(yōu)于基準(zhǔn)方法。更進(jìn)一步，當(dāng)使用一個(gè)更大規(guī)模的單語樹庫，句法分析的性能也得到了較大提高。

2相關(guān)應(yīng)用

基于有監(jiān)督學(xué)習(xí)的依存句法分析模型能夠構(gòu)建句子的依存樹，而依存樹則表明了詞匯間的依存關(guān)系，并且在不同問題中表現(xiàn)了其有效性與實(shí)用性，例如關(guān)系獲取[19]、復(fù)述獲取[20]和機(jī)器翻譯[21]等。此外，近年來該類模型在解決事件抽取、產(chǎn)品評(píng)論挖掘、以及輿情分析問題方面也發(fā)揮了主體重要作用。

在事件抽取研究方面，人們發(fā)現(xiàn)事件之間存在聯(lián)系，例如一個(gè)犯罪事件會(huì)引起調(diào)查事件，并且還將最終引發(fā)逮捕事件。由此可知，事件之間多存在一定的依賴關(guān)系。但現(xiàn)有的事件抽取方法并未考慮事件間的依存關(guān)系，而是孤立抽取每一個(gè)事件。David McClosky等[22]借助依存句法分析器構(gòu)建事件的依賴關(guān)系。首先，將事件及其對(duì)應(yīng)的謂詞轉(zhuǎn)化為依存樹，樹中節(jié)點(diǎn)包括實(shí)體、事件錨和一個(gè)虛擬根節(jié)點(diǎn)，各邊則表示三者間的依存關(guān)系，其中的事件錨識(shí)別常采用回歸模型運(yùn)行實(shí)現(xiàn)，使用的特征包括字符級(jí)別。生成依存樹時(shí)，可采用兩步排序方法：

（1）根據(jù)句法分析器得到n-best結(jié)果；

（2）采用最大熵模型實(shí)現(xiàn)第二次排序，由此將建立事件間的依存關(guān)系。

在產(chǎn)品評(píng)論分析研究方面，Zhang等[23]借助淺層依存句法分析來構(gòu)建產(chǎn)品屬性及其評(píng)價(jià)之間關(guān)系。其中包含三個(gè)步驟：

（1）根據(jù)淺層短語結(jié)構(gòu)分析和依存句法分析構(gòu)建淺層的依存樹。可采用淺層句法分析器Sundance實(shí)現(xiàn)組塊分析，并且采用Stanford句法分析器實(shí)現(xiàn)依存樹的構(gòu)建。其中，組塊作為依存樹中的節(jié)點(diǎn)，邊表示組塊之間的依存關(guān)系；

（2）識(shí)別產(chǎn)品屬性和候選評(píng)價(jià)。首先，使用觀點(diǎn)詞典以過濾候選評(píng)價(jià)，觀點(diǎn)詞典包含著8 221個(gè)觀點(diǎn)表達(dá)。其次，假設(shè)與候選評(píng)價(jià)越近似的組塊，自身是產(chǎn)品屬性的可能就越大，憑此識(shí)別產(chǎn)品屬性；

（3）構(gòu)建產(chǎn)品屬性和評(píng)價(jià)之間的關(guān)系。可將關(guān)系構(gòu)建視為一個(gè)分類任務(wù)，而將所有的產(chǎn)品屬性和候選評(píng)價(jià)視為潛在關(guān)系?？刹捎弥С窒蛄繖C(jī)分類器實(shí)現(xiàn)關(guān)系構(gòu)建，特征包括上下文和詞性?，F(xiàn)已在手機(jī)和數(shù)碼相機(jī)領(lǐng)域驗(yàn)證了此方法的可行性和有效性。

在輿情分析研究方面，Wu等[24]提出基于圖的句級(jí)情感分析模型。引入了線性規(guī)劃結(jié)構(gòu)學(xué)習(xí)方法產(chǎn)生輸入句子的圖形表示。圖中節(jié)點(diǎn)包括評(píng)價(jià)目標(biāo)、觀點(diǎn)表達(dá)和觀點(diǎn)修飾。邊表示節(jié)點(diǎn)之間的關(guān)系，具體包括觀點(diǎn)表達(dá)和修飾之間的關(guān)系，以及觀點(diǎn)表達(dá)之間的關(guān)系，并且包含單個(gè)觀點(diǎn)之間的語義關(guān)系。通過圖，可以將之前被忽略的各種信息融合進(jìn)來。該模型的優(yōu)勢在于，借助觀點(diǎn)之間的關(guān)系，可更加精確地判定句子的整體情感極性。Nakagawa等[25]提出借助依存分析結(jié)果實(shí)現(xiàn)中文和日文主觀句情感分類。主觀句通常包括將情感極性反轉(zhuǎn)的詞匯。包含積極（或消極）的情感詞的句子不一定表達(dá)與情感詞相同的極性。因此在情感分析中需要考慮詞匯之間的修飾對(duì)詞匯情感極性的影響，但是采用詞袋的方法很難解決這個(gè)問題。若采用規(guī)則方法實(shí)現(xiàn)句子極性判斷，則不能從語料中學(xué)習(xí)情感信息，而且規(guī)則的適用性十分有限，同時(shí)需要大量的人力、物力構(gòu)建規(guī)則。嘗試借助依存句法分析解決這個(gè)問題。句子的情感標(biāo)注不應(yīng)該只標(biāo)注句子的整體情感極性，而應(yīng)該存在句子的局部情感極性標(biāo)注，并且利用這些局部標(biāo)注信息來實(shí)現(xiàn)情感分類。在該方法中，將句子轉(zhuǎn)化為依存樹結(jié)構(gòu)，再將句子的依存樹中每一個(gè)依存子樹的情感極性表示為隱式變量，整句的情感極性則可由隱式變量之間的交互而共同決定。

3結(jié)束語

本文重點(diǎn)總結(jié)了在構(gòu)建基于有監(jiān)督學(xué)習(xí)的依存句法分析模型時(shí)面對(duì)的語料匱乏和特征選擇兩個(gè)問題的相關(guān)研究。此外，分析和總結(jié)了依存句法分析模型一體化的優(yōu)缺點(diǎn)。最后，介紹了如何應(yīng)用現(xiàn)有模型解決事件抽取、產(chǎn)品評(píng)論挖掘、以及輿情分析問題。盡管現(xiàn)有模型在依存句法分析方面取得了一定成功，但也存在相應(yīng)不足。首先，現(xiàn)有模型需要大規(guī)模的標(biāo)注語料用于訓(xùn)練與評(píng)價(jià)，這種需求并且隨著互聯(lián)網(wǎng)的發(fā)展日益增長，由此產(chǎn)生嚴(yán)重的標(biāo)注語料匱乏問題，僅靠上述方法無法從根本上獲得解決。其次，盡管基于有監(jiān)督學(xué)習(xí)的依存句法分析模型性能最佳，但該模型只能在有限的數(shù)據(jù)集合上完成一次模型參數(shù)學(xué)習(xí)，在其后的使用過程中無法自動(dòng)調(diào)節(jié)模型參數(shù)來適應(yīng)領(lǐng)域和用戶個(gè)人興趣的變化。經(jīng)由本文研究，可得只有借助用戶反饋，構(gòu)建連續(xù)學(xué)習(xí)的依存句法分析模型才能解決上述問題。根據(jù)用戶反饋無間斷地調(diào)整模型參數(shù)，以此適應(yīng)領(lǐng)域和用戶興趣的變化，同時(shí)用戶在使用該模型時(shí)也一并完成完了語料標(biāo)注工作，從而克服了標(biāo)注語料缺乏的困境。

參考文獻(xiàn)：

[1]KBLER S， MCDONALD R， NIVRE J. Dependency Parsing [M]. Synthesis Lectures of Human Language Technologies， 2009： 1-20.

[2]NIVRE J. Dependency grammar and dependency parsing [R]. Technical Report， 2005： 1-32.

[3]HWA R， RESNIK P， WEINBERG A， et al. Bootstrapping parsers via syntactic projection across parallel texts[J]. In Natural Language Engineering， 2005，11： 311-325.

[4]SMITH D， EISNER J. Parser adaptation and projection with quasi-synchronous grammar features [C]// Proceedings of EMNLP， 2009： 822-831.

[5]JIANG Wenbin， LIU Qun. Automatic adaptation of annotation standards for dependency parsing using projected treebank as source corpus [C]//Proceedings of IWPT， 2009： 25-28.

[6]JIANG Wenbin， LIU Qun. Dependency parsing and projection based on word-pair classification [C]// Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics （ACL '10）， Stroudsburg， PA， USA， 2010： 12-20.

[7]MIRROSHANDEL S A， NASR A. Active learning for dependency parsing using partially annotated sentences [C]//Proceedings of IWPT， 2011： 140-149.

[8]GADDE P， JINDAL K， HUSAIN S， et al. Improving data driven dependency parsing using clausal information [C]//Human Language Technologies： The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics （HLT '10）， Stroudsburg， PA， USA， 2010： 657-660.

[9]AGIRRE E， BENGOETXEA K， GOJENOLA K， et al. Improving dependency parsing with semantic classes [C]//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies： short papers - Volume 2 （HLT '11）， Stroudsburg， PA， USA， 2011： 699-703.

[10]HAFFARI G， RAZAVI M， SARKAR A. An ensemble model that combines syntactic and semantic clustering for discriminative dependency parsing [C]//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies： short papers - Volume 2 （HLT '11）， Stroudsburg， PA， USA， 2011： 710-714.

[11]MARTON Y， HABASH N， RAMBOW O. Improving Arabic dependency parsing with form-based and functional morphological features [C]//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies - Volume 1 （HLT '11）， Stroudsburg， PA， USA， 2011： 1586-1596.

[12]CIARAMITA M， ATTARDI G. Dependency parsing with second-order feature maps and annotated semantic information [C]//Proceedings of the 10th International Conference on Parsing Technologies （IWPT '07）， Stroudsburg， PA， USA， 2007： 133-143.

[13]ZHOU Guangyou， ZHAO Jun， LIU Kang， et al. Exploiting web-derived selectional preference to improve statistical dependency parsing [C]//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies - Volume 1 （HLT '11）， Stroudsburg， PA， USA， 2011： 1556-1565.

[14]LI Zhenghua， ZHANG Min， CHE Wanxiang， et al. Joint models for Chinese POS tagging and dependency parsing [C]//Proceedings of the Conference on Empirical Methods in Natural Language Processing （EMNLP '11）， Stroudsburg， PA， USA， 2011： 1180-1191.

[15]HATORI J， MATSUZAKI T， MIYAO Y， et al. Incremental joint POS tagging and dependency parsing in Chinese [C]//Proceedings of the 5th International Joint Conference on Natural Language Processing， 2011： 1216-1224.

[16]LI Zhongguo， ZHOU Guodong. Unified dependency parsing of Chinese morphological and syntactic structures [C]//Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning （EMNLP-CoNLL '12）， Stroudsburg， PA， USA， 2012： 1445-1454.

[17]BERGSMA S， CHERRY C. Fast and accurate arc filtering for dependency parsing [C]//Proceedings of the 23rd International Conference on Computational Linguistics （COLING '10）， Stroudsburg， PA， USA， 2010： 53-61.

[18]CHEN Wenliang， KAZAMA J， ZHANG Min， et al. SMT helps bitext dependency parsing[C]// Proceedings of the Conference on Empirical Methods in Natural Language Processing （EMNLP '11）， Stroudsburg， PA， USA， 2011： 73-83.

[19]CULOTTA A， SORENSEN J. Dependency tree kernels for relation extraction [C]//Proceedings of the 42nd Annual Meeting on Association for Computational Linguistics （ACL '04）， Stroudsburg， PA， USA， Article 423， 2004.

[20]SHINYAMA Y， SEKINE S， SUDO K. Automatic paraphrase acquisition from news articles [C]// Proceedings of the second international conference on Human Language Technology Research （HLT '02）， San Francisco， CA， USA， 2002： 313-318.

[21]DING Yuan， PALMER M. Machine translation using probabilistic synchronous dependency insertion grammars[C]//Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics （ACL '05）， Stroudsburg， PA， USA， 2005： 541-548.

[22]MCCLOSKY D， SURDEANU M， CHRISTOPHER D. Manning. event extraction as dependency parsing [C]//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies - Volume 1 （HLT '11）， Stroudsburg， PA， USA， 2011： 1626-1635.

篇（3）

中圖分類號(hào)：TP3-05文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：16727800（2012）009000303

1文本情感研究的背景

所謂文本情感分析（Sentiment Analysis），就是對(duì)說話人的觀點(diǎn)、態(tài)度和情感傾向性進(jìn)行分析，即分析文本中表達(dá)的主觀性信息。根據(jù)立場、出發(fā)點(diǎn)、個(gè)人態(tài)度和喜好的不同，人們對(duì)各種對(duì)象和事件表達(dá)的信念、態(tài)度、意見和情感的傾向性不可避免地存在差異。在論壇、微博等反映人們觀點(diǎn)的網(wǎng)絡(luò)媒體上，尤其表現(xiàn)出了這種差異。

文本情感分析在實(shí)際生活中有著廣泛的應(yīng)用，可以應(yīng)用于產(chǎn)品推薦系統(tǒng)、有害信息過濾、社會(huì)輿情分析、產(chǎn)品在線跟蹤和質(zhì)量評(píng)價(jià)、影視評(píng)價(jià)、Blogger聲譽(yù)評(píng)價(jià)、新聞報(bào)道評(píng)述、事件分析、股票評(píng)論、圖書推薦、敵對(duì)信息檢測、企業(yè)情報(bào)系統(tǒng)等方面。

在已有研究中，文本情感分析也被稱作觀點(diǎn)鑒別（Opinion Classification）、流派分類（Genre classification）、情感的極性（Sentiment polarity）、語義傾向（semantic orientation）、觀點(diǎn)挖掘（opinion mining）、觀點(diǎn)抽?。╫pinion extractive）等，為了表述的一致性，本文中將其統(tǒng)一表述為情感分析。

文本情感分析通常包含4個(gè)子問題：①確定文本情感的類別有多少；②文本的主客觀區(qū)分，即區(qū)分出文本內(nèi)容是主觀評(píng)論還是客觀陳述；③文本的極性分類（Polarity Classification），又稱為正負(fù)面傾向性分類，即判別文本內(nèi)容是肯定贊賞的，還是否定批判的；④文本情感強(qiáng)度分類，即判定文本情感傾向性的強(qiáng)弱程度，如強(qiáng)烈貶義、一般貶義、客觀、一般褒揚(yáng)、強(qiáng)烈褒揚(yáng)5個(gè)類別，這一問題通常又被稱為等級(jí)推理（Rating Inference）。

2文本情感分析整體研究現(xiàn)狀

目前，公認(rèn)的關(guān)于文本情感分析的研究工作開始于Pang在2002年提出的基于文本的N元語法（Ngram）和詞類（POS）等特征，分別使用樸素貝葉斯（Naive Bayes），最大熵（Maximum Entropy）和支持向量機(jī)（Support Vector Machine，SVM）將電影評(píng)論文本的傾向性分為正向和負(fù)向兩類。此外還有Turney在2002年提出的基于無監(jiān)督學(xué)習(xí)（Unsupervised Learning）對(duì)文本情感傾向性分類的研究。同時(shí)他們?cè)趯?shí)驗(yàn)中使用的電影評(píng)論數(shù)據(jù)集目前已成為廣泛使用的情感分析的測試集。

如今，國內(nèi)外都已經(jīng)掀起了文本情感的研究熱潮，很多研究團(tuán)體、科研院校、公司已經(jīng)對(duì)文本情感展開了研究。把這些相關(guān)的研究分為4個(gè)階段：①語料階段；②文本的預(yù)處理階段；③特征標(biāo)注與特征選擇階段；④情感分類階段。

2.1語料階段

目前絕大部分語料都來自博客、專業(yè)的評(píng)論站點(diǎn)、新聞?wù)军c(diǎn)、電子商務(wù)站點(diǎn)。而其中影評(píng)資料、產(chǎn)品的用戶評(píng)論、Web 2.0博客文章是研究者的首選。

康奈爾大學(xué)的電影評(píng)論數(shù)據(jù)集以及Theresa Wilson等建立的MPQA庫是目前研究者廣泛使用的兩類情感分析數(shù)據(jù)集。

2.2文本的預(yù)處理階段

文本情感分析的預(yù)處理包括：停用詞、詞綴修剪、N元詞、詞性標(biāo)準(zhǔn)、簡化替換（如書替換為NOUN、照相機(jī)替換產(chǎn)品名）等，但這些有意“美化”的處理都會(huì)降低情感分析的準(zhǔn)確率。

此外，主觀句識(shí)別也屬于文本情感分析的預(yù)處理階段。該研究的目標(biāo)是需要提取文本的真正表達(dá)情感的句子。Pang于2004年提出基于文本中的主觀句的選擇和Wilson等人于2005年開創(chuàng)了在短語層進(jìn)行主觀性分析的研究工作，提出基于文本中中性實(shí)例（Neutral Instances）的分析，他們根據(jù)28個(gè)混合特征訓(xùn)練了一個(gè)分類器，都是為了能夠盡量獲得文本中真正表達(dá)情感的句子。Abbasi于2008年提出通過信息增益（Information Gain，簡稱IG）的方法來選擇大量特征集中對(duì)于情感分析有益的特征。

2.3特征標(biāo)注與特征選擇階段

情感特征的標(biāo)注方法目前主要包括：

（1）監(jiān)督機(jī)器學(xué)習(xí)的方法，由已有的電子詞典或詞語知識(shí)庫擴(kuò)展生成的情感傾向詞典。情感詞就是指具有情感傾向的詞語以名詞、動(dòng)詞、形容詞和副詞為主，包括人名、機(jī)構(gòu)名、產(chǎn)品名、事件名等命名實(shí)體。其中，部分詞語的褒貶性（或稱為極性，通常分為褒義、貶義和中性）可以通過查字典獲得，其它的極性與情感傾向性的強(qiáng)烈程度都無法直接獲得。

使用情感詞作為特征的研究有：

朱嫣嵐等人提出了基于知網(wǎng)的兩種詞匯語義傾向計(jì)算方法，即基于語義相似度的方法和基于語義相關(guān)場的方法。

婁德成和姚天昉也是通過計(jì)算文本中詞匯與知網(wǎng)中已標(biāo)注褒貶性詞匯間的相似度，來獲取詞匯的語義傾向性。

目前，依靠語料或字典語料結(jié)合構(gòu)建意見詞典成為主流。由于目前用于情感分析的中文標(biāo)注語料較少，即當(dāng)目標(biāo)領(lǐng)域不存在標(biāo)注語料時(shí)，Xiaojun Wan通過谷歌翻譯等機(jī)器翻譯服務(wù)，利用英語標(biāo)注語料和中文未標(biāo)注語料彌補(bǔ)中文標(biāo)注語料不足的問題。此外，還有Danushka Bollegala等提出算法可以通過其它領(lǐng)域標(biāo)注語料和目標(biāo)領(lǐng)域的未標(biāo)注語料生成意見挖掘所需的情感敏感詞典。

（2）無監(jiān)督機(jī)器學(xué)習(xí)的方法。Turney在2002年基于點(diǎn)互信息（PMI）計(jì)算文本中抽取的關(guān)鍵詞和情感基準(zhǔn)詞（Excellent， Poor）的相似度來對(duì)文本的情感傾向性進(jìn)行判別（SOPMI算法）。實(shí)現(xiàn)方法簡單，此算法得到了很多研究者的推薦。

Yuan等人在Turney的研究工作的基礎(chǔ)上，對(duì)漢語極性詞的自動(dòng)獲取進(jìn)行了研究，發(fā)現(xiàn)采用一個(gè)字符的漢語情感詞比漢語情感詞的效果要好。

（3）情感特征的選擇方法。目前很多情感分析的研究基于機(jī)器學(xué)習(xí)，那么特征選擇就是一個(gè)很重要的問題，N元語法等句法特征是使用最多的一類特征，Wilson等人于2009年提出混合單詞特征、否定詞特征、情感修飾特征、情感轉(zhuǎn)移特征等各類句法特征的情感分析，Abbasi等人于2008年提出混合句子的句法（N元語法、詞類、標(biāo)點(diǎn)）和結(jié)構(gòu)特征（單詞的長度、詞類中單詞的個(gè)數(shù)、文本的結(jié)構(gòu)特征等）的情感分析。Melville等人于2009年提出結(jié)合情感詞的先驗(yàn)的基于詞典的情感傾向性和訓(xùn)練文本中后驗(yàn)的基于上下文的情感傾向性共同判斷文本的情感傾向性。

另外，傳統(tǒng)的文本特征選擇方法有監(jiān)督特征選擇方法CHI、IG、MI和無監(jiān)督特征選擇方法DF、TS、TC、En。這些方法應(yīng)用到這些情感特征選擇上的效果如何還有待實(shí)驗(yàn)驗(yàn)證。

2.4情感分類階段

（1）情感建模的方法。基于監(jiān)督學(xué)習(xí)算法的情感分析仍然是主流，Zhang等人于2009年提出基于非負(fù)矩陣三分解（Nonnegative Matrix Trifactorization），Abbasi等人于2008年提出基于遺傳算法（Genetic Algorithm）的情感分析之外，使用最多的監(jiān)督學(xué)習(xí)算法是樸素貝葉斯、k最近鄰（KNearest Neighbor，KNN）、最大熵和支持向量機(jī)等。

此外還有基于規(guī)則和無監(jiān)督的建模方法。婁德成等人于2006年利用句法結(jié)構(gòu)和依存關(guān)系對(duì)中文句子語義進(jìn)行了情感分析，Zagibalov等人于2008年在SOPMI算法的基礎(chǔ)上通過對(duì)于中文文本特征的深入分析以及引入迭代機(jī)制在很大程度上提高了無監(jiān)督學(xué)習(xí)情感分析的準(zhǔn)確率。

（2）情感分析的其它研究點(diǎn)。除以上介紹的情感分析關(guān)注情感的分類以外，還有評(píng)論對(duì)象的識(shí)別、情感傾向性論述的持有者識(shí)別、抽取句子中評(píng)價(jià)詞語和目標(biāo)對(duì)象之間的關(guān)聯(lián)關(guān)系、評(píng)價(jià)傾向極性的強(qiáng)度等研究方向等等。

（3）目前已有系統(tǒng)。目前很多系統(tǒng)已經(jīng)問世，例如：日本富士通公司開發(fā)了從中、日、英三國語言的博客和論壇中提取對(duì)企業(yè)及其產(chǎn)品的評(píng)價(jià)信息的技術(shù)，根據(jù)從萬維網(wǎng)上抓取的大量用戶的評(píng)論得到產(chǎn)品的整體信譽(yù)度。

上海交通大學(xué)開發(fā)了一個(gè)用于“漢語汽車論壇”的意見挖掘系統(tǒng)。目的是在電子公告板、門戶網(wǎng)站的各大論壇上挖掘并且概括顧客們對(duì)各種汽車品牌的不同性能指標(biāo)的評(píng)論和意見，并判斷這些意見的褒貶性和強(qiáng)度。然后，通過對(duì)文本處理的綜合統(tǒng)計(jì)，給出可視化的結(jié)果。該系統(tǒng)仍需要在特征獲取、權(quán)重計(jì)算等方面進(jìn)行完善。

綜合以上研究現(xiàn)狀，對(duì)比國內(nèi)外的研究進(jìn)展，對(duì)于國內(nèi)來講，中文文本情感分析可以說剛剛起步，與國外的主要差距表現(xiàn)在：①在基礎(chǔ)資源建設(shè)方面，還沒有建立起一個(gè)公開、公用、權(quán)威、標(biāo)準(zhǔn)的詞典資源和具有一定規(guī)模的標(biāo)準(zhǔn)語料資源；②在研究方案方面，從詞語、短語、搭配、句子到文本，主要跟蹤借鑒國外研究思路與技術(shù)路線進(jìn)行嘗試。

3中文文本情感分析亟待解決的問題

相比傳統(tǒng)的文本分類，情感分類有先天的困難和挑戰(zhàn)，主要表現(xiàn)在：①自然文本中表達(dá)方式的多樣化：比喻、附和、諷刺、正話反說等；②句式的復(fù)雜性：比較型的句子、各種不同的習(xí)慣用語、句式的不同搭配等；③訓(xùn)練數(shù)據(jù)的稀疏性和不均衡性。這些都造成了目前較為狹窄的應(yīng)用領(lǐng)域，不能同時(shí)獲得較高的準(zhǔn)確率和召回率。

中文文本情感分析研究方興未艾，仍然存在很多問題亟待解決，未來的研究將主要圍繞以下幾個(gè)方向展開：

（1）建立標(biāo)準(zhǔn)的中文文本情感詞庫及標(biāo)準(zhǔn)的文本情感測試語料庫。標(biāo)準(zhǔn)完善的數(shù)據(jù)庫是驗(yàn)證算法的有力工具。因此創(chuàng)建更大規(guī)模且更標(biāo)準(zhǔn)的中文文本情感數(shù)據(jù)庫是下一步工作的重中之重。

（2）選擇最優(yōu)文本情感特征集。文本情感特征是中文文本情感分析研究的第一步，在很大程度上影響最終的列表識(shí)別結(jié)果。一個(gè)詞存在多維度的情感，因此，單純依靠情感詞并不能準(zhǔn)確判定所有情況下的情感和意見。所以，對(duì)于情感特征集選擇技術(shù)需要我們進(jìn)一步的研究和完善。

（3）選擇合理有效的文本情感分類方法。情感特征的權(quán)重簡單累加并不意味著情感表達(dá)能力的累加，緊致有效的特征表達(dá)方法是跨越“語義鴻溝”的重要手段。人們往往通過各種手段多渠道地獲取各種各樣的情感特征，并通過不同分類器的融合表示它們。但這方法需要在更多的情感分析領(lǐng)域進(jìn)行實(shí)驗(yàn)驗(yàn)證，未來還需要開展融合多方面文本情感特征的工作。

（4）可靠性研究。文本情感中評(píng)論的真實(shí)性通過信用評(píng)價(jià)來衡量，不真實(shí)甚至是混淆視聽的評(píng)論稱為意見垃圾（Opinion Spam）或虛假評(píng)論，也將是未來研究的方向之一。

參考文獻(xiàn)：

[1]LIU B. Web data mining： exploring hyperlinks， contents [M].Usage Data. Springer，2011.

[2]PANG B， LEE L， VAITHYANATHAN S. Thumbs sentiment classification using machine learning techniques[C]. EMNLP，2002.

[3]TURNEY P D. Thumbs up or thumbs down semantic orientation applied to unsupervised classification of reviews[C]. ACL，2002.

[4]PANG B， LEE L. A sentiment education： sentiment analysis using subjectivity summarization based on minimum cuts[C]. ACL，2004.

[5]WILSON T， WIEBE J， HOFFMANN P. Recognizing contextual polarity in phraselevel sentiment analysis [C]. HLTEMNLP，2005.

[6]ABBASI A， CHEN H， SALEM A. Sentiment analysis in multiple languages： feature selection for opinion classification in Web forums[C].ACM Transaction on Information Systems，2008.

[7]朱嫣嵐，閔錦，周雅倩，等.基于HowNet的詞匯語義傾向計(jì)算[J].中文信息學(xué)報(bào)，2006（1）.

[8]婁德成，姚天昉.漢語句子語義極性分析和觀點(diǎn)抽取方法的研究[J].計(jì)算機(jī)應(yīng)用，2006（11）.

[9]XIAOJUN WAN. Bilingual cotraining for sentiment classification of Chinese product reviews[J]. Computational Linguistics，2011（3）.

[10]CLIFTON， ANN AND SARKAR， ANOOP. Combining morphemebased machine translation with postprocessing morpheme prediction[C]. ACL HLT，2011.

[11]YUAN R W M， CHAN T Y W， LAI T B Y， KWONG O Y. Morphemebased derivation of bipolarsemantic rientation of chinese words[C]. COLING.2004.

[12]MELVILLE P， GRYC W， LARENCE R D. Sentiment analysis of blogs by combining lexical knowledge with text classification [C]. KDD，2009.

[13]ZHANG T L Y， SINDHWANI V. A nonnegative matrix trifactorization approach to sentiment classification with lexical Prior knowledge[C]. ACL，2009.