基于词典的中文情感倾向文本分析工具

1、基于词典的中文情感倾向文本分析工具,情感倾向可认为是主体对某一客体主观存在的内心喜恶，内在评价的一种倾向。 情感倾向方向 情感倾向度,情感倾向,目前，情感倾向分析的方法主要分为两类： 基于情感词典的方法； 是基于机器学习的方法。,分析方法,文本情感分析的分析粒度： 词语； 句子； 段落； 篇章。,分析粒度,解决较短文本的情感分析， 篇章级文本情感分析的基础。,分析粒度,句子级的情感倾向分析：,使用工具： 语言：java 中文分词系统： FudanNLP-1.5 情感词典：知网情感词典,语言和工具：,1、文本切割转换,算法分析,3、情感聚合,2、情感定位,将文档D以换行符”/n”分割成段落P；

2、将段落P用中文里常用的句号、分号、问号、感叹号划分句意的符号，切割成不同的句子“。”,”；”,”？”,”！” ； 使用FudanNLP中的分词函数，对短句进行分词。,1、文本切割转换,文本切割的目的是将文本变成我们后续分析需要的格式： “我今天很不高兴。” （1，“我” ,“代词”），（2，“今天”，”时态词”），（3，“很”，”副词”），（4，“不”，”否定词”），（5，“高兴”，“形容词”）,1、文本切割转换,2、情感定位,单词列表,是否为情感词,否,next,标记并存入情感词列表,next,是,否定词的修饰会使情感词语的情感极性发生改变。 多重否定：当否定词出现奇数次时，表示否定意思；当

3、否定词出现偶数次时，表示肯定意思。 否定词典NotDict，并设置其权值为W=-1。,常见的否定词如： 不、没、无、非、莫、弗、毋、勿、未、否、别、無、休,否定词和程度副词的优化,“我今天很不高兴”,当程度副词修饰情感词，该情感词的情感倾向程度发生了变化。,否定词和程度副词的优化,“今天坐了12个小时的车，身体极度疲惫。”,type | 权值 超|over 1.5 很|very 1.25 极其|extreme / 最|most 2 较|more 1.2 欠|insufficiently 0.5 稍| slightly 0.8,程度副词示例,经过文本切割转换 （1，“我” , “代词”）， （2

4、，“今天”，“时态词”）， （3，“很”， “副词”）， （4，“不”， “否定词”）， （5，“高兴”，“形容词”） 情感定位 (5，“积极词”，4)， (4, “否定词” ,-1)， (3, “程度词”,1.25),“我今天很不高兴。”,篇章级情感倾向通过聚合篇章中所有的句子的情感倾向来计算得出。 句子级由句子中所含情感词来计算。,3、情感聚合,情感值 = 否定词(-1) * 程度词权重 * 情感词权重,“我很不高兴”分词之后： 我 很 不 高兴 “我不很高兴”分词之后： 我 不 很 高兴,否定词和程度词位置关系,W = 1; If 位置（否定词） 位置（程度词）：W = -1; 意群情感值 = W * 程度词权重 * 情感词权重; end If 位置（否定词） 位置（程度词）：W = 0.5; 意群情感值 = W * 程度词权重 * 情感词权重; end 如果句子里出现多个否定词，则处理办法为： For n in 所有否定词： W = -1 * W,3、情感聚合,句子情感值 = sum（意群情感值1，意群情感值2） 段落情感值 = average（句子1情感值，句子2情感值） 文档情感值 = average（段落1情