基于词频-极性强度的抑郁症情感词挖掘方法

尹 畅，张顺香，朱广丽，张 标

(安徽理工大学 计算机科学与工程学院，安徽 淮南 232001)

情感词典是一种重要资源，在情感分析、情感分类中起着至关重要的作用[1-2]。构建情感词典主要有两种方式；人工构建和自动构建。GATTI et al[3]将SentiWordNet技术和新技术融合到一个学习框架，然后结合人工构建的先验极性词典，利用这一技术最终构建了SentiWords情感词典，包含大约155 000个单词。WU et al[4]提出一种有效检测微博汉语流行新词的方法，通过手工获得微博的新词构建了适应微博语料的情感词典。

KIMURA et al[5]从WordNet中提取情感词，并计算情感词和表情符号之间的共现频率，最终构建表情符号情感词典。GAO et al[6]为实现跨语言情感词汇学习的目的，利用标签传播算法在现有的英语情感词汇的基础上自动生成目标语言的情感词汇。YANG et al[7]提出通过神经网络模型训练大量中文语料库，然后基于约束坐标偏移量构建多维的情感词典方法。FENG et al[8]为了更有效更准确的分析社交平台上用户的情感，提出一种词-情交互强化排序模型，用于从海量微博数据中学习情感词汇，再利用图的方法从微博的表情词和候选情感词集合中选取排名靠前的词作为情感词，从而构建成情感词典。DENG et al[9]针对深度学习技术构建情感词典的不足，提出一种新的稀疏自注意LSTM模型来自动构建情感词典。REINEL et al[10]基于客户评论的语料库，提出一种新的情感分析词典生成算法。在一些特定领域的情感分析研究上，情感词典起着很重要的作用，为情感分析提供了基础服务[11]。……