基于修正点互信息的特征级情感词极性自动研判
来源：图书情报工作杂志2020年第5期北京时间：
作者：聂卉,首欢容
单位：中山大学资讯管理学院 广州 510275
摘要：[目的/意义] 基于语料的情感词发现依语句上下文推断情感词极性，能显著提升情感分析的准确率，在面向领域的特征级情感分析任务中有重要应用价值。[方法/过程] 对特征级情感极性研判问题展开探讨，提出基于点互信息的"特征-情感"对情感极性自动判别算法，算法借助大规模领域语料，根据观点表达"特征-情感"对与情感语义明确的种子词的共现关系，同时引入依存句法分析语句间的情感转折，通过修正经典的点互信息算法，对上下文约束下的用户观点表达进行褒贬预测。[结果/结论] 实验证明，修正算法的性能显著优于词典匹配算法和经典的点互信息情感识别算法，不仅能够推断词典中未纳入的观点表达的情感指向，而且能较准确地推断"语境"中的情感词极性。在餐饮评论和数码产品评论两个评测语料集上，修正算法的F1宏平均指标分别达到0.827和0.878。该算法以领域相关的大规模语料为支撑，基于概率统计和句法分析，因数据获取便利，算法效率高，移植性好，具有普适性，尤其适用于面向领域的情感分析任务。
关键词：情感分析,点互信息算法,领域情感词,上下文,
基金资助：本文系国家社会科学基金项目"面向用户感知效用的在线评论的质量与控制研究"（项目编号：15BTQ067）研究成果之一。
