基于依存分析的中文微博情感分析课件

1、 基于依存分析的中文微博情感分析汇报人：周学广 教授E-mail:zxg196610汇报内容任务一观点句识别评测任务二情感倾向性判断评测任务三情感要素抽取评测任务一：观点句识别评测为了有效区分观点句与非观点句，我们从句子中抽取组件对应的词语特征作为识别线索，并在情感词和评价对象的依存模式的基础上，提出基于词语特征的观点句识别方法-OSR_WF方法。 任务一：观点句识别评测OSR_WF方法流程：新词识别；含极性词库中的词，则认为该句子是观点句；主语为第一人称代词，谓语为主张动词，状语为表达“喜、 怒、哀、乐”的情感词的句子认为不是观点句；含有能愿动词库中的词作谓语的句子认为不是观点句；由条件连词

2、库中的词作连词的句子认为不是观点句；其它符合评价单元依存模式的句子认为是观点句。规则制定：制定组合模式 构建非语素词性集 构建停用词表候选新词剪枝：成词权重统计： 转移频率和文档频数，计算成词权重：提出基于规则与统计的新词识别方法任务一：观点句识别评测情感词库 极性词库 否定词库能愿动词库条件连词库词库构建：任务一：观点句识别评测评价单元依存模式评价单元模式情感词词性评价对象词性VA, VVNN, NR, NT, PNVA, JJNN, NR, NT, PNVA, VVNN, NR, NT, PNVA, VVNN, NR, NT, PNVA, JJNN, NR, NT, PNVA, JJNN,

3、 NR, NT, PN任务一：观点句识别评测结果编号微平均宏平均准确率召回率F值准确率召回率F值170.8280.5370.6510.8260.5200.629平均值0.7270.6150.6470.7270.6070.634最好值0.8350.9590.7840.8360.960.783任务一：观点句识别评测任务二：情感倾向性判断评测线性相加法 统计观点句中情感倾向性值，句子从左往右，含褒义情感词+1，含贬义情感词-1，出现“但、但是”连词，将情感倾向性值清零，从转折后继续计算，最后得到句子的倾向，大于0判断为POS，小于0判断为NEG，等于0为OTHER。 结果编号微平均宏平均准确率召回率

4、F值准确率召回率F值170.7720.4150.540.7760.4040.523平均值0.7450.4550.5520.7440.4500.54最好值0.930.7710.7940.9190.7780.794任务二：情感倾向性判断评测获取候选情感词和候选评价对象；采用评价单元依存模式对候选评价单元进行筛选；通过评价对象归并算法得到完整的评价对象。基于依存模式的情感要素抽取方法任务三：情感要素抽取评测 -SFE_DM 方法评价对象归并算法任务三：情感要素抽取评测为区分原始的评价对象和归并后得到的评价对象，将原始的评价对象称为评价对象基准词。评价对象归并时从评价对象基准词的左邻词开始，从右往左依

5、次判断，若其父亲节点为基准词或为其右邻词，将其归并到评价对象中；若为句首或其父亲节点不为基准词或不为其右邻词时停止归并。 结果编号微平均宏平均准确率召回率F值准确率召回率F值170.3110.1770.2250.3240.1740.22平均值0.1720.0980.1120.1740.0980.112最好值0.4850.2750.2880.4740.2650.278任务三：情感要素抽取评测严格评价指标下结果：任务三：情感要素抽取评测结果编号微平均宏平均准确率召回率F值准确率召回率F值170.4040.2230.2870.420.2190.279平均值0.2890.1490.180.290.1490.177