基于情感模型的文本意见分类方法

罗邦慧，曾剑平，段江娇，吴承荣

(1．复旦大学a．计算机科学技术学院;b．网络信息安全审计与监控教育部工程研究中心;上海200433;2．上海理工大学管理学院，上海200093)

1 概述

网络论坛、微博、社交网络等新型互联网应用中产生了海量文本内容，其中，包含了一些有价值的信息，例如用户关于某种商品的意见、关于股票价值的意见等。大数据时代的到来促使研究人员从此类文本信息中进行意见或观点的深度挖掘，为各种应用提供有效的数据。因此，基于文本内容的意见观点分类成为备受关注的研究和应用领域。

现有基于句法规则的识别方法存在很大的主观性，基于传统文本分类方法的识别手段忽略了人们从文本中透露的观点、态度等信息。基于话题模型［1-2］和潜在语义模型［3-4］的分类方法把文本转换到一个新的空间，但其语义并不明确，无法得知转换到的语义空间的具体含义，因此，对分类方法的改进很难深入到微观结构中，扩展性、准确率等性能改善也难于找到突破的地方。

本文针对话题模型语义不明确的问题，寻找具有明确语义的文本表示空间，检验这种空间对意见分类的影响。根据心理学研究领域的Ekman模型［5］，扩充已有的6类情感类别词汇，构造情感空间模型，将表达人类观点的文本转换到表达人类情绪的情感空间，并设计针对该模型的文本意见分类方法。

2 相关工作

文本意见分类主要有2类研究方法。一种是基于规则的方法，如文献［6］采用这种方法对投资者在微博中发布的文本信息进行了观点识别。……