融合词向量和点互信息的领域情感词典构建

范庆春，匡皓松，谢 飞

（合肥师范学院 计算机学院，安徽 合肥 230601）

在线评论是体现消费者情感的最直接的方式之一，当今各种网络平台的快速成长和消费者线上消费习惯的养成都加速了在线评论数量呈指数级增长，而如何从大量的评论中提取有价值的信息已成为越来越多企业关注的焦点，因此很有必要针对这些评论数据进行情感分析，这对于企业优化产品或辅助用户进行消费决策都有着很重要的实际意义。

一般情感分析技术分为基于词典的技术和基于机器学习的技术[1]。情感词典是带有情感倾向的词或者词组的集合，一般由正向情感词和负向情感词组成[2]。尽管目前已经有很多的情感词典构建方面的研究，但是对于特定的领域情感词典研究工作较少，尤其是对于餐饮领域的情感词典鲜有研究。在实际应用中，因为社交网络在线平台上诸如口语化、不规范的词语表达等特点，造成了情感词的提取面临着众多难题。尤其是有些情感词在不同领域中会有不同的情感极性，有些词在许多领域甚至都不是情感词，而在餐饮领域却是情感倾向很明显的情感词，比如说“必点”、“还来”和“地道”等词在餐饮领域就属于正向情感词，表达了消费者十分正面的情感意愿；而“太硬”、“油腻”和“脸色”等词却反映出了消费者满满的负面情绪。为了解决这些问题，本文提出融合词向量和SO-PMI(Semantic Orientation Pointwise Mutual Information,情感倾向点互信息)方法来构建领域情感词典。

本文的主要贡献有以下几点：1)提出一种融合词向量和SO-PMI算法的领域情感词典构建方法，克服了词向量方法中情感词虽然上下文相似但是情感极性相反的问题。……