旅游多主题情感词典的构建方法

林 振 宇，解 吉 波，杨 腾 飞，刘 战，赵 静

(1.海南省地球观测重点实验室，海南 三亚 572000；2.中国科学院空天信息创新研究院，北京100094；3.国家海洋局东海预报中心，上海 200136；4.河南理工大学测绘与国土信息工程学院，河南 焦作 454000；5.中国科学院大学，北京 100049)

0 引言

随着“互联网+旅游”技术的蓬勃发展，游客在旅行过程中使用社交媒体平台以文本形式记录游览经历。通过这些文本分析游客的情感倾向(正面或负面)，不仅能为其他潜在旅游者制定旅游计划提供参考，也能为景区管理者改善景区质量、提高景区吸引力提供决策支持。但这些文本信息具有非结构化特征，很难被直接有效利用，尤其是其中蕴含的景区多主题特征以及公众对该特征的情感倾向,因此，建立一种自动化抽取其有效信息的方法尤为重要。

多主题情感词典的构建是旅游信息抽取和分析的基础，其核心内容包括主题特征词的抽取和基于主题词的情感词筛选。主题特征词抽取一般基于统计的方法[1]，选出文本中出现频率超过阈值的词作为主题词；但该方法未考虑词与词之间的关系，实际应用中易被噪声数据影响，使得抽取的主题词不能反映文本的真实情况。故一些学者引入机器学习方法[2]以改善噪声数据的影响，也有学者针对词与词之间的关系提出改进方法，如耿焕同等[3]提出基于词共现图的主题词抽取方法，陈炯等[4]提出基于词聚类的主题提取方法。目前，多数研究基于专家标注的情感词典进行词典构建或扩展，如Baccianella等[5]基于WordNet构建SentiWordNet词典，Hu等[6]基于WordNet和bootstrapping算法扩展情感词典。……