基于句法路径的情感评价单元识别

不同于已有的基于手工模板和规则的方法,提出了一种基于句法路径的情感评价单元自动识别方法.该方法自动获取句法路径来描述评价对象及其评价词语之间的修饰关系,并通过计算句法路径编辑距离来改进情感评价单元抽取的系统性能.实验语料来自数码相机和MP3播放器两个典型的电子产品领域.实验结果表明:(1)句法路径能够有效描述评价对象及其评价词语之间的关系,对情感评价单元的识别有很大帮助;(2)基于编辑距离的句法路径改进策略能够进一步提高情感评价单元识别的系统性能.

基于短语句法结构和依存句法分析的情感评价单元抽取

文章建立了一套不受领域约束、在各个领域中通用的情感评价单元抽取模式,实现自动且准确地抽取情感评价单元。首先,基于短语的内部结构和句法功能,深入地分析评价对象及其对应的评价短语在句中的句法位置;其次,结合情感句中词性和词对间的依存关系进行情感评价单元的抽取;最后,通过手工构建通用和领域情感词典进行情感评价单元抽取和情感倾向性计算的对比实验,进一步验证抽取模式的有效性。结合短语句法结构和依存句法进行情感评价单元抽取,准确地挖掘出评价对象及其对应的评价短语之间的句法关系。实验结果表明,在应用到后续情感倾向性计算的实验时,整体准确率得到大幅度提升。

基于句法树结构的情感评价单元抽取算法

情感评价单元的抽取是情感分析的基础任务之一,目前大部分的抽取方法都基于句法路径等扁平化的特征,区分中文评价文本中噪声的能力不强。提出了一种基于短语句法的树型结构来表示情感评价单元模式,并使用近似卷积树核的方法来计算这种结构的相似度;在此基础上,采用基于相似度计算的模式匹配方法进行情感评价单元抽取。在中文商品评论上进行实验,该方法比基于句法路径的方法准确率提高了13.4%,召回率提高了9.2%。实验证明提出的方法对中文商品评价的情感评价单元抽取效果较好。

基于依存句法的跨语言细粒度情感分析

[目的/意义]粗粒度的跨语言情感分析往往只考虑篇章段落中的情感分布信息,而忽略深层次的语义关系。为弥补这一缺陷,文章提出一种基于依存句法的跨语言细粒度情感分析算法。[方法/过程]首先对中文文本进行依存句法分析,从深层的语义关系入手,提出一系列识别规则,提取情感评价单元;然后利用机器翻译对情感评价单元进行语言转换;最后通过与英文情感词典的匹配分析,对情感评价单元的情感极性进行判定。[结果/结论]实验结果表明,与原有的情感评价单元提取方法相比,本文的方法在一定程度上提高了提取效率;同基础的单语言情感分析方法相较,借助英文情感词典所做的跨语言情感分类结果更为理想。