智能情绪分析技术-人工智能技术应用：情感分析概述.pdf

智能情绪分析技术_⼈⼯智能技术应⽤：情感分析概述 情感分析概述 与其他的⼈⼯智能技术相⽐，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进⾏分析和预测，但情 感分析则带有强烈的个⼈主观因素。情感分析的⽬标是从⽂本中分析出⼈们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的 研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论⽂。 随着推特等社交媒体以及电商平台的发展⽽产⽣⼤量带有观点的内容，给情感分析提供了所需的数据基础。时⾄今⽇，情感识别已经在多个 领域被⼴泛的应⽤。例如在商品零售领域，⽤户的评价对于零售商和⽣产商都是⾮常重要的反馈信息，通过对海量⽤户的评价进⾏情感分 析，可以量化⽤户对产品及其竞品的褒贬程度，从⽽了解⽤户对于产品的诉求以及⾃⼰产品与竞品的对⽐优劣。在社会舆情领域，通过分析 ⼤众对于社会热点事件的点评可以有效的掌握舆论的⾛向。在企业舆情⽅⾯，利⽤情感分析可以快速了解社会对企业的评价，为企业的战略 规划提供决策依据，提升企业在市场中的竞争⼒。在⾦融交易领域，分析交易者对于股票及其他⾦融衍⽣品的态度，为⾏情交易提供辅助依 据。 ⽬前，绝⼤多数的⼈⼯智能开放平台都具备情感分析的能⼒，如图所⽰是玻森中⽂语义开放平台的情感分析功能演⽰，可以看出除了通⽤领 域的情感分析外，还有汽车、厨具、餐饮、新闻和微博⼏个特定领域的分析。 玻森中⽂语义开放平台的情感分析⽰例 那么到底什么是情感分析呢？从⾃然语⾔处理技术的⾓度来看，情感分析的任务是从评论的⽂本中提取出评论的实体，以及评论者对该实体 所表达的情感倾向，⾃然语⾔所有的核⼼技术问题，例如：词汇语义，指代消解，此役⼩⽓，信息抽取，语义分析等都会在情感分析中⽤ 到。因此，情感分析被认为是⼀个⾃然语⾔处理的⼦任务，我们可以将⼈们对于某个实体⽬标的情感统⼀⽤⼀个五元组的格式来表⽰： (e,a,s,h,t) e表⽰情感分析的⽬标实体，可以是⼀个具体的实例，也可以是⼀个类，但必须是唯⼀的对象。 a表⽰实体e中⼀个观点具体评价的属性。 s表⽰对实体e的a属性的观点中所包含的情感，通常来讲会分为正向褒义、负向贬义和中性三种分类。也可以通过回归算法转化为1星到5星 的评价等级。 h是情感观点的持有者，有可能是评价者本⼈，也有可能是其他⼈。 t是观点发布的时间。 以图为例，e是指某餐厅，a为该餐厅的性价⽐属性，s是对该餐厅的性价⽐表⽰了褒义的评价，h为发表评论者本⼈，t是19年7⽉27⽇。所 以这条评论的情感分析可以表⽰为五元组(某餐厅，性价⽐，正向褒义，评论者，19年7⽉27⽇)。 ⽤户对某餐厅的评价 情感分析根据处理⽂本颗粒度的不同，⼤致可以分为三个级别的任务，分别是篇章级、句⼦级和属性级。我们分别来看⼀下。 1. 篇章级情感分析 篇章级情感分析的⽬标是判断整篇⽂档表达的是褒义还是贬义的情感，例如⼀篇书评，或者对某⼀个热点时事新闻发表的评论，只要待分析 的⽂本超过了⼀句话的范畴，即可视为是篇章级的情感分析。 对于篇章级的情感分析⽽⾔有⼀个前提假设，那就是全篇章所表达的观点仅针对⼀个单独的实体e，且只包含⼀个观点持有者h的观点。这种 做法将整个⽂档视为⼀个整体，不对篇章中包含的具体实体和实体属性进⾏研究，使得篇章级的情感分析在实际应⽤中⽐较局限，⽆法对⼀ 段⽂本中的多个实体进⾏单独分析，对于⽂本中多个观点持有者的观点也⽆法辨别。 例如评价的⽂本是："我觉得这款⼿机很棒。"评价者表达的是对⼿机整体的褒义评价，但如果是："我觉得这款⼿机拍照功能很不错，但 信号不是很好"这样的句⼦，在同⼀个评论中出现了褒义词⼜出现了贬义词，篇章级的分析是⽆法分辨出来的，只能将其作为⼀个整体进⾏ 分析。 不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品， 评论的观点持有者也是评论者本⼈。当然，这个也需要看被评论的商品具体是什么东西，如果是亲⼦旅游这样的旅游服务，那么评论中就很 有可能包含⼀个以上的观点持有者。 在实际⼯作中，篇章级的情感分析⽆法满⾜我们对于评价更细致，如果需要对评论进⾏更精确，更细致的分析，我们需要拆分篇章中的每⼀ 句话，这就是句⼦级的情感分析研究的问题。 2. 句⼦级情感分析 与篇章级的情感分析类似，句⼦级的情感分析任务是判断⼀个句⼦表达的是褒义还是贬义的情感，虽然颗粒度到了句⼦层级，但是句⼦级分 析与篇章级存在同样的前提假设是，那就是⼀个句⼦只表达了⼀个观点和⼀种情感，并且只有⼀个观点持有⼈。如果⼀个句⼦中包含了两种 以上的评价或多个观点持有⼈的观点，句⼦级的分析是⽆法分辨的。好在现实⽣活中，绝⼤多数的句⼦都只表达了⼀种情感。 既然句⼦级的情感分析在局限性