首欢容, 邓淑卿, 徐健
中山大学资讯管理学院 广州 510006
Shou Huanrong, Deng Shuqing, Xu Jian
中图分类号: G350
通讯作者:
收稿日期: 2017-05-27
修回日期: 2017-07-15
网络出版日期: 2017-07-25
版权声明: 2017 《数据分析与知识发现》编辑部 《数据分析与知识发现》编辑部
基金资助:
展开
摘要
【目的】提出一种基于情感分析技术自动识别特定领域谣言的方法。【方法】界定高、低质量信息源, 在假设高质量信息源信息更可靠的情况下, 通过基于情感词典的情感分析方法, 量化高质量信息源与低质量信息源对特定对象的情感差异, 判定低质量信息源提供的信息是否属于谣言。【结果】将该方法应用于“食品养生”、“医学健康”两个领域进行谣言识别。在30个疑似谣言案例中准确识别出23个谣言案例, 准确率为76.67%。本文提出的谣言识别方法在谣言预测方面的F值为83.34%, 查全率为71.42%, 查准率为100%; 在非谣言文本预测上的F值为72.73%, 查全率为100%, 查准率为57.14%。【局限】未实现不同信息源数据自动抽取, 每个谣言案例下的人工收集的谣言数量有限。【结论】本文基于情感分析的谣言识别方法对特定类型的谣言是有效的。
关键词：
Abstract
[Objective] This paper aims to identify rumors automatically with the help of sentiment analysis. [Methods] First, we chose high-quality and low-quality information sources. Then, we calculated the sentiment value and difference between the information from different sources. Based on the assumption that the information from high-quality source was more reliable, information from low-quality channels could be listed as rumor if the sentiment difference between them exceeded the pre-set threshold. [Results] We applied the proposed method to information on food and health as well as health and medical issues, and then successfully identified twenty-three rumors from thirty suspected cases. The accuracy rate of rumor detection was 76.67%, the F-value was 83.34%, the recall and precision was 71.42% and 100%, respectively. For non-rumor message, the F-value, recall, and precision were 72.73%, 100% and 57.14%. [Limitations] We did not extract the data automatically from different sources and the sample size was relatively small. [Conclusions] Sentiment analysis could help us identify rumors effectively.
Keywords：
谣言是一种普遍的社会舆论现象[1], 不同学者对谣言的具体内涵给予不同定义:《现代汉语词典》中对谣言的定义为“没有事实根据的消息”[2]。沙莲香[3]将谣言定义为: “一种来路不明的、传无根据的、内容没有得到确认的, 缺乏事实根据的信息”。总体而言, 缺乏事实依据的谣言具有强烈说服他人相信某种信息的目的, 往往采用夸张语言风格, 有强烈的情绪化特征。
新的传播媒介的诞生与发展使谣言的传播速度更快、影响范围更大。谣言干扰公民已有认知, 进一步导致公众非理性行为, 危害社会安定。及时识别谣言并扼制谣言传播, 净化网络环境, 是当前网络环境下一个重要议题。如何准确、高效地识别网络谣言, 是控制谣言传播首要且关键的步骤。
情感分析技术可以识别语料的情感倾向及程度, 其在用户意见挖掘、政府民意调查等多方面都具有广泛应用[4]。由网络谣言具有夸张语言风格、异常情感特征的特点, 本文提出一种基于情感分析技术的谣言识别方法, 以不同质量信息源的文本情感冲突识别特定领域的网络谣言。
情感分析又称意见挖掘, 是指通过对用户发表的内容文本进行主客观观点、情绪、极性的分析和挖掘, 判断文本的情感倾向分类[5]。目前, 情感分析方法主要有基于情感词典和机器学习的方法。
(1) 基于情感词典方法的情感分析技术的核心是构建特定的情感词典, Tong[6]通过人工抽取与电影影评相关的词汇, 人工标注情感词极性, 建立专门的情感词典。中文方面, 通用词典有大连理工大学情感词汇本体库[7]、知网HowNet[8]情感词典等; 在专用词典方面, 陈晓东[9]构建了一个面向微博的情感词典。
(2) 基于机器学习方法的情感分析技术核心是构建分类器, 对语料进行情感分类。目前机器学习的分类算法有支持向量机、朴素贝叶斯等。
在情感分析技术的应用方面, 主要应用有用户意见挖掘[10]、电视节目评分预测[11]、股票市场价格预测[12]等, 但是尚未见应用情感分析技术识别谣言的相关研究。
目前谣言检测主要采用机器学习方法, 两个核心步骤为谣言特征提取及分类器训练, 最后利用训练的分类器进行谣言识别。
毛二松等[13]提出一种基于深层特征和集成分类器的微博谣言检测方法, 由于抽取的特征具有明显微博平台倾向性, 该检测方法应用平台有待拓展。Qazvinian等[14]通过提取 Twitter谣言文本中的浅层文本特征、元素特征和行为特征, 构建多个贝叶斯分类器和集成分类器, 以识别 Twitter中的谣言。Kwon等[15]提出一种基于不同时间序列的谣言探测方法, 研究结果表明在谣言传播的不同时期, 选取不同特征将影响谣言识别效果。
机器学习方法的核心是构建良好分类器。分类器效果依赖于训练集及特征选择, 时间与人力成本较高。本文基于情感分析技术, 提出通过不同质量信息源的情感冲突来识别谣言的方法。
谣言具有一定的异常情感特征。张志安等[16]总结了谣言的主题与特征: 在主题方面, 谣言的叙事主题分为健康类、时政类和社会类, 其中健康类主题在所有微信谣言文章数量中占主体地位; 在特征方面, 绝大部分谣言基本上都是针对公众感到恐惧、焦虑或担忧的议题诉诸恐怖说服, 这些谣言标题内容叙述夸张、语言口语化、缺乏科学严谨性并试图采用“情感策略”, 煽动读者情绪。
基于此, 笔者认为谣言与非谣言之间具有情感倾向冲突, 这是本文基于情感分析技术的谣言检测方法的理论依据。
本文将具有以下特征的谣言定义为“简单谣言”: 内容简单、缺乏复杂的逻辑推理, 文本直接对某件事物做出好、坏评价, 并且评价的情感倾向非常明显。本文提出基于情感分析的谣言识别技术主要用于识别简单谣言。计算不同质量信息源文本的情感值及其情感差异, 如果情感差异过大, 则说明高、低质量信息源对同一事物的情感倾向不同, 假设高质量信息源更可信, 认为低质量信息源的信息属于谣言, 达到识别谣言的目的。基于情感分析技术的谣言识别方法包括4个模块: 高低质量信息源界定、文本预处理、文本情感值计算和文本谣言识别, 总体流程框架如图1所示。
(1) 高、低质量信息源的界定
界定高质量信息源和低质量信息源是准确识别谣言的基础。目前, 对信息源的评价一般有两种评价方法: 直接评价法和间接评价法[17]。
①直接评价法一般通过建立指标评价体系的方法, 对不同信息来源媒介每一项指标进行打分, 综合各项指标对信息源进行评价。
②间接评价法通过信息用户来评价信息源, 以调查表的方式调查用户对信息源的需求和利用情况, 其评价较为客观, 但是工作量大, 需要信息用户的高度配合。
在实际应用中, 可结合客观条件, 选择合适的评价方法评价信息源, 从而界定高、低质量信息源。
(2) 文本预处理
在疑似谣言文本中, 其针对不同的对象可能具有不同的情感倾向, 如果计算疑似谣言文本的整体情感倾向, 则会降低情感计算准确性。因此在情感计算前过滤与特定对象无关的句子, 再进行分词, 便于后续情感词匹配。
(3) 文本情感值计算
基于情感词典的情感分析方法关键步骤之一为构建情感词典。根据研究目的、主题的不同, 研究者可以采用不同的通用情感词典及专有名词词典。专有名词是指研究不同学科或主题时会涉及的对应领域专有的名词词汇。对于专有名词, 不能直接计算其情感值, 需要借助情感动词词典。程度副词会影响情感程度表达, 否定词会影响情感极性表达, 因此在计算情感值的过程中需要识别程度副词和否定词来修正情感值, 本文借用杜嘉忠等[18]提出的距离与词性的方法计算文本的情感值, 具体的情感值计算流程如图2 所示。
依据图2流程对疑似谣言文本的情感值进行计算, 最初每个谣言文本都有一个正向情感得分positive和一个负向情感得分negative, 其初始值均为0; 每个情感词的初始情感极性转折次数reverse TimeSentiWord= 0, 转折标志reverseSentiWord=1; 情感程度系数初始为degree=1; 对于每一个情感词SentiWord, 其在情感词典中的得分为SentiDicSentiWord; 对于每一个程度词DegWord, 其程度系数为DegDicDegWord。
对于通用情感词典计算情感值, 其具体流程为: 遍历疑似谣言文本词表, 如果词语与通用情感词典中词汇匹配, 则以该情感词为中心。
①寻找并统计该情感词前5个词及该情感词后两个词范围内否定词的个数reverseTimeSentiWord, 即如果reverse TimeSentiWord是奇数, 修正情感极性, 令reverseSentiWord = -1; 否则不需修正情感极性。
②寻找该情感词前5个词语及该情感词后两个词语范围内的程度副词DegWord, 用degree乘以匹配程度词语在程度级别词典中的情感强度系数, 如公式(1)所示。
$degree=degree\times DegDi{{c}_{DegWord}}$ (1)
③分别累加对应的正、负面情感得分, 规则如公式(2)所示, 其中SentimentValue代表正面情感得分postive或负面情感得分negative, 当SentiDicSentiWord×reverseSentiWord>0, 情感得分累计到positive, 否则, 情感得分累计到negative。
$SentimentValue=\sum{SentiDicSentiWord\times degree}$
$\ \times reverseSentiWord$ (2)
对于专有名词词典情感值计算, 具体流程与通用情感词词典情感值计算类似。其区别在于在遍历疑似谣言文本词表时, 如果词语匹配专有名词词典中的词汇, 其不一定具有情感表达, 需进一步查找是否具有修饰专有名词的情感动词。如果有, 则情感动词的情感值为Score。以专有名词词汇为中心, 寻找名词的修饰词与否定词, 累加最后对应的正负情感得分。具体步骤如下。
遍历疑似谣言文本词表, 如果词语匹配到专有名词词典中的词汇。
①寻找该专有名词前后的词语, 查找修饰该词的正向情感动词或负向情感动词, 情感得分为Score。
②若满足条件①, 则继续寻找并统计该专有名词词汇前面5个词语及该词汇后两个词语的范围内否定词的个数reverseTimeSpeNoun, 如果reverseTimeSpeNoun是奇数, 修正情感极性, 令reverseSpeNoun=-1, 否则不需要修正情感极性。
③寻找该专有名词前5个词语及该专有名词后两个词语范围内的程度级别词汇, 用degree乘以匹配程度词语在程度级别词典中的情感强度系数, 如公式(3)所示。
$degree=degree\times DegDicDegWord$ (3)
④分别累加对应的正、负面情感得分, 规则如公式(4)所示, 当Score×reverseSpeNoun>0, 情感得分累计到positive, 否则情感得分累计到negative。
$SentimentValue=\sum{Score\times degree\times revers{{e}_{SpeNoun}}}$ (4)
(4) 文本谣言识别
通过文本情感值计算模块, 对于每条文本, 均有一个情感评分结果S =(positive, negative)。文本长度、情感词语密度会影响S的值, 需要归一化最初情感计算得分, 如公式(5)-公式(7)所示。
假设最后每条文本的情感得分:
S =(Spos, Sneg) (5)
其中,
${{S}_{pos}}=\frac{|positive|}{|positive|+|negative|}$ (6)
而Sneg可用Spos 表示:
${{S}_{neg}}=1-{{S}_{pos}}$ (7)
因此Sneg和Spos两者从不同方向表达情感程度, 本文仅以Spos表示文本情感得分。对于不同文本i和j, 规定它们之间的情感差异值D如公式(8)所示。
$D=|S_{pos}^{i}-S_{pos}^{j}|$ (8)
对于每个谣言案例来说, 设同等质量信息源(高质量或低质量)的信息源文本有n条, 那么对应的质量信息源情感得分为$S_{pos}^{Q}$, 如公式(9)所示。
$S_{pos}^{Q}=\frac{1}{n}\sum\nolimits_{i=1}^{n}{S_{pos}^{i}}$ (9)
其中, Q取值为H代表高质量信息源文本, Q取L代表低质量信息源文本。
需要说明的是, 存在一些文本总情感得分较小的情况, 表明文本的情感词命中太少, 情感倾向难以判断。本文设定: 如果情感评分总分|positive|+|negative| < 10, 则该文本将不计入最后的倾向计算。
将每个谣言案例最终得到的高质量信息源得分与低质量信息源得分做情感差异评判, 对于高、低质量信息源得分差异D’ , 如公式(10)所示。
$D,=|S_{pos}^{H}-S_{pos}^{L}|$ (10)
①当D’≤α时, 认为高、低信息源在同一个谣言主题的核心事物上情感倾向一致, 认为低质量信息源的信息不属于谣言;
②当 α<D’<β时, 认为两个文本之间的倾向大体一致, 低质量信息源可能存在一定的情感夸张, 但不属于谣言;
③当D’≥β时, 表示低质量信息源情感与高质量信息源发生冲突, 认为低质量信息源的说法属于谣言。
α、β的具体取值由实验素材以及具体谣言主题决定, 目的是最大程度地划分情感的一致程度。
本文采用直接评价法界定信息源质量的高低, 评价指标包括文本错误率、编辑者身份、是否具有审核、发布、反馈和举报机制。
综合以上评价指标, 选定维基百科[19]、知乎[20]和果壳网[21]三个平台作为高质量信息源, 这三个网站的共同点为具有审核机制、编辑者为领域专业者、具有举报机制和评审机制等, 其质量较高, 其中维基百科在重大错误的数量上与《大英百科全书》几乎相等[22], 具有权威性。利用搜索引擎(如百度[23]、搜狗[24]等)搜索出的相关主题结果(除去来源为以上三个网站的结果), 作为低质量信息源。
“流言百科[25]”是由果壳网开发的一个较为权威的辟谣平台, 在此辟谣平台上, 符合本文制定的“简单谣言”标准的谣言在“食品养生”、“医学健康”这两个领域的数量最多。从流言百科上寻找与“健康类”和“养生类”的文本内容相关的谣言案例, 关于该谣言的高质量文本, 则从果壳网、知乎、维基中通过关键词搜寻而来, 对于每个谣言案例, 要求以上三个网站至少有一处含有相关文本内容; 低质量文本则从普通搜索引擎搜到(剔除引用或直接来自以上三个网站的内容)的结果中获得, 对每个谣言案例, 要求至少有4条不重复文本。
在2017年1月至2017年3月采集数据, 由于低质量信息源各不相同, 暂未实现数据自动抓取, 因此采用人工收集的手段; 而高质量信息源关于特定对象的内容较少重复论述, 所以数据量偏少。在检索过程中, 大量谣言对象在高质量信息源没有搜索结果, 或者在低质量信息源处不满足数量要求, 舍弃, 导致抓取一个谣言案例需要耗费较大的检索资源与数据整理时间。最终收集了30个谣言案例, 共有232条数据参与实验, 其中有 48条高质量信息、184条低质量信息, 平均每个疑似谣言的案例有1.6条高质量信息, 6.1条低质量信息。
本文构建通用情感词典、专有名词词典、情感动词词典、否定词表和修饰词表以供情感词匹配计算情感值。基于大连理工大学中文情感词汇本体库[7]建立通用情感词典, 该情感词典共收录27 386个情感词汇, 并且具有词汇情感强度、情感类别和极性标注。该本体库的标注中, 0代表中性, 1代表褒义, 2代表贬义, 3代表兼有褒贬两性。每个词的情感强度分为1, 3, 5, 7, 9五档, 9表示强度最大, 1为强度最小。
本文将情感极性为1的11 229个词语纳入积极情感词典, 情感极性为2的10 783个词语纳入消极情感词典。其次, 对于情感极性为0的5 374个词语, 将其中情感表示“乐”、“好”的词语纳入积极情感词典, 将情感表示“怒”、“哀”、“惧”、“恶”、“惊”的词语纳入消极情感词典。而情感极性为3的词语, 情感极性复杂, 总计只有78个词汇, 舍弃。每个词的情感评分取本体库中对应的情感强度值。
在实验过程中, 人工补充了通用情感词中没有的词, 如“明目”、“不法分子”等。评分标准采用对比评分法, 如: “奸商”与“不法分子”的情感倾向类似, “奸商”的评分在通用情感词典中为-5分, 而“不法分子”的批评意味比“奸商”更强烈, 故予“不法分子”的评分是-7分。
在建立领域专有名词词典方面, 由于本文选取的信息来源文本多为养生类、疾病类和食品类与人体健康有关的疑似谣言文本。因此建立的词典为与人体疾病相关的专有名词词典, 基于百度文库专业资料分类下的《疾病名称大全》[26], 通过文本处理过程中的观察与查缺补漏, 人工补充了52个常见的疾病主题的词语。而相关正、负面情感动词词典则是对疾病有治疗作用或加剧作用的动词, 如治愈表示治疗作用, 而加重表示加剧作用。此外, 本文结合已有情感分析研究及文本预处理过程的查漏补充, 建立了本实验的程度副词词表和否定词表。
根据第3节的方法设计, 利用4.3节建立的情感词典, 计算同一谣言主题的案例下的不同质量来源谣言文本的情感差异, 其中情感差异阈值α取0.1、β取0.3。最终得到的谣言识别结果如表1所示。
疑似谣言共计30条, 实验共有23条谣言的结果判断正确, 其中预测和人工判断都属于谣言的共计15条, 预测和人工判断都不属于谣言的共计8条, 6条谣言的结果判断错误, 1条谣言的结果存在争议, 排除在总结果之外, 详细的判定结果可参看文末支撑数据清单。本文将选取典型判断正确文本及其实例、典型判断错误文本及其实例和存在争议谣言进行讨论。
(1) 典型判断正确情景及实例
典型判断正确的情景为: 机器判断与人工判断结果一致, 高质量信息源与低质量信息源对于同一件事物的情感倾向有明显的不同。例如低质量信息源的疑似谣言文本“牛奶有巨大危害”表示牛奶危害健康, 人工判断情感为负面, 机器判断情感得分为0.354; 而高质量信息源表示牛奶有助于预防骨质疏松, 人工判断情感为正面, 机器判断情感得分为0.885。人工认为情感不一致, 属于谣言; 而机器计算情感差异D’值为0.531>0.3, 认为该条属于谣言。
(2) 典型判断错误情境及实例
一般而言, 低质量信息源的情感直接, 情感倾向明显; 而高质量信息源则经常出现推理, 转折的文本(如先提出可能存在的问题, 然后在后续的文本中通过举例或者推理的方式给予解答)。现有的处理方法无法检测出段落之间的互相否定关系, 导致高质量信息源的情感判断失误, 引起错判。如: “阿斯巴甜致癌, 食用危害大”这条谣言, 低质量信息源表示阿斯巴甜会损害神经系统, 导致记忆力衰退、视力消失等症状; 高质量信息源则表示“阿斯巴甜作为添加剂使用是安全的”。从以上观点来看, 不论从机器通过情感词典匹配, 还是人工判断, 高质量信息源都属于正向情感。然而, 高质量信息源中辟谣文本特征是: 先提出存在“有许多指控声称阿斯巴甜的神经毒性作用, 导致神经或精神症状”的谣言, 再另起一段进行辟谣性的解释, 导致负面情感虚高, 机器判错。
(3) 存在争议谣言解释
以高质量信息源的信息作为标准, 故而当不同的高质量信息源之间信息存在冲突时, 可能是该条文本指示的知识在科学上暂时没有一个统一的说法, 无法通过人工判定文本所述内容是否属于谣言。
本实验中, “蔓越莓能预防泌尿道疾病”这条疑似谣言的人工判断结果有争议, 因为高质量信息源之间情感发生了冲突: 果壳网摘录相关研究表明蔓越莓对泌尿道疾病可能有一定作用, 但还没有具体证据支持, 况且直接靠蔓越莓治病是不切实际的, 属于负面情感; 相反, 维基百科则表示为“蔓越莓汁已被证实可有效降低心血管疾病、牙周病、胃溃疡与癌症等疾病的罹患风险”, 属于正面情感。这说明, 蔓越莓的治病功效可能在医学上尚有争议, 并没有一个统一的判断标准。人工无法判断高质量信息源的总体情感倾向, 故该文本为争议文本。
在结果评价中, 本文参阅文献[27]所采用的查全率、查准率和F值用于评价此次实验结果, 具体如表2和公式(11)-公式(16)所示。
谣言文本查准率$Pr=\frac{A}{A+B}$ (11)
谣言文本查全率$Rr=\frac{A}{A+C}$ (12)
谣言文本F值$F1r=\frac{2Rr\times Pr}{Rr+Pr}$ (13)
非谣言文本查准率$Pn=\frac{D}{C+D}$ (14)
非谣言文本查全率$Rn=\frac{D}{B+D}$ (15)
非谣言文本F值$F1n=\frac{2Rn\times Pn}{Rn+Pn}$ (16)
由于存在争议的文本无法判断正确性, 因此在统计中将其剔除, 最终该实验的评价指标计算结果如表3所示。
由表3可以看到, 基于高、低信息源情感的一致性提出的识别谣言方法, 在谣言文本预测上的F值是83.34%, 查全率为71.42%, 查准率为100%; 在非谣言文本预测上的F值为72.73%, 查全率为100%, 查准率为57.14%。其中, 在非谣言文本预测上查准率较低, 其原因主要是非谣言文本具有严谨的推理逻辑, 会对研究对象各个属性进行性质说明。本文提出在对疑似谣言文本的情感计算过程中, 并没有提取某对象特定属性的情感值, 由此导致相关判定失误。今后的研究可采用更加细粒度的情感分析技术进行谣言识别。
此实验评估结果表明, 可用基于高、低质量信息源情感一致性计算识别特定主题的谣言。
基于情感强烈的谣言与非谣言之间存在情感冲突的理论依据, 本文提出基于情感分析方法识别简单谣言的方法, 该方法包括4个模块: 高低质量信息源界定、文本预处理、文本情感值计算和文本谣言识别。为了验证方法的适用性, 采用直接评价法界定高低质量信息源, 界定知乎、维基百科和果壳网的为高质量信息源, 人工抓取30个健康类、养生类领域谣言案例文本。进一步构建通用情感词典、专有名词词典等情感值计算的辅助词典, 计算疑似谣言文本的情感值。通过计算来自高、低质量信息源的关于同一主题的疑似谣言文本的情感差异值, 判定来自低质量信息源的文本是否属于谣言, 最终正确判断了23个谣言案例。在方法评估上, 本文提出的谣言识别方法能够较好地识别谣言。
本文存在的不足之处在于设定的情感计算方法在简单谣言识别上效果良好, 但是对于语法规则复杂的疑似谣言文本会存在误判情况。今后的研究将考虑实现不同来源的信息源的文本自动抓取, 增加复杂的情感计算规则, 以识别更加复杂的谣言。
首欢容: 算法设计, 采集数据, 完成实验, 撰写论文初稿;
邓淑卿: 提出部分修改意见, 数据整理, 论文修改;
徐健: 提出研究思路, 设计研究方案, 论文最终版本修订。
所有作者声明不存在利益冲突关系。
支撑数据由作者自存储, E-mail: 674001239@qq.com。
[1] 首欢容, 邓淑卿, 徐健. 数据.zip. 实验中所有谣言案例的数据集.
[2] 首欢容, 邓淑卿, 徐健. 词典.zip. 本实验建立的所有词典.
[3] 首欢容, 邓淑卿, 徐健. 实验结果详情汇总表格.xlsx. 实验结果详情汇总.
| [1] |
|
| [2] |
|
| [3] |
|
| [4] |
Sentiment Analysis and Opinion Mining [J]. |
| [5] |
文本情感分析综述 [J].https://doi.org/10.3724/SP.J.1087.2013.01574 Magsci [本文引用: 1] 摘要
以文本颗粒度为视角，从情感词抽取、语料库和情感词典构建、评价对象与意见持有者分析、篇章级情感分析、实际应用五个方面对文本情感分析文献进行了梳理，并做出必要评述。指出当前情感分析系统的准确率普遍不高，进一步研究的重点在于：自然语言处理的研究成果在文本情感倾向分析中更广泛和贴切的应用；选取文本情感倾向分类的特征和方法；利用现有语言工具和相关资源，规范、快速地构造语言工具和相关资源并应用。
Survey of Text Sentiment Analysis [J].https://doi.org/10.3724/SP.J.1087.2013.01574 Magsci [本文引用: 1] 摘要
以文本颗粒度为视角，从情感词抽取、语料库和情感词典构建、评价对象与意见持有者分析、篇章级情感分析、实际应用五个方面对文本情感分析文献进行了梳理，并做出必要评述。指出当前情感分析系统的准确率普遍不高，进一步研究的重点在于：自然语言处理的研究成果在文本情感倾向分析中更广泛和贴切的应用；选取文本情感倾向分类的特征和方法；利用现有语言工具和相关资源，规范、快速地构造语言工具和相关资源并应用。
|
| [6] |
An Operational System for Detecting and Tracking Opinions in Online Discussion [C]// |
| [7] |
情感词汇本体的构造 [J].https://doi.org/10.3969/j.issn.1000-0135.2008.02.004 URL [本文引用: 2] 摘要
情感计算是目前人工智能领域的热门课题，而大规模的情感词汇本体的构造是准确完成文本情感识别的基础。本文首先根据目前情感分类发展的现状，确定情感分类体系，在此基础上综合现有的各种情感词汇资源构造情感词汇本体。在本体的知识获取过程中采用手工分类和自动获取相结合的方法填充词汇本体的框架。详细描述了词汇的情感类别、强度和极性等，并进一步统计了情感词汇的分布情况。
Constructing the Affective Lexicon Ontology [J].https://doi.org/10.3969/j.issn.1000-0135.2008.02.004 URL [本文引用: 2] 摘要
情感计算是目前人工智能领域的热门课题，而大规模的情感词汇本体的构造是准确完成文本情感识别的基础。本文首先根据目前情感分类发展的现状，确定情感分类体系，在此基础上综合现有的各种情感词汇资源构造情感词汇本体。在本体的知识获取过程中采用手工分类和自动获取相结合的方法填充词汇本体的框架。详细描述了词汇的情感类别、强度和极性等，并进一步统计了情感词汇的分布情况。
|
| [8] |
HowNet [EB/OL]. [ |
| [9] |
基于情感词典的中文微博情感倾向分析研究 [D].Research on Sentiment Dictionary Based Emotional Tendency Analysis of Chinese MicroBlog [D]. |
| [10] |
基于情感分析的企业产品级竞争对手识别研究——以用户评论为数据源 [J].https://doi.org/10.13266/j.issn.0252-3116.2016.01.012 URL [本文引用: 1] 摘要
[目的 /意义]针对传统方法的不足,提出一种以用户评论为数据源的企业产品级竞争对手识别方法。[方法/过程]首先,根据企业分析维度确定候选竞争产品,进行相关评论文本采集;其次,利用信息抽取技术从本企业产品评论中抽取用户较为关注的产品特征;然后,基于情感分析技术设计特征情感权重算法;利用该算法对本企业产品特征进行优劣势分析,获取优势与劣势特征集,完成待分析产品向量空间表示与相似度计算;分析计算结果,挖掘出与本企业产品优势相似及劣势互补的候选竞争产品,并选择优势相似且劣势互补的产品为主要竞争对手,其他优势相似的产品为次要竞争对手。在实证部分,选择"红米Note"手机为分析对象,以"淘宝""京东""中关村在线"多源评论为数据源,利用基于情感分析的竞争对手识别方法挖掘该产品的主要和次要竞争对手。[结果/结论]本文的基于情感分析的竞争对手识别方法能够实现企业产品级竞争对手的识别与分析。
Study on Identification of Enterprise Product Level Competitor Based on Sentiment Analysis: Taking User Reviews for Data Resources [J].https://doi.org/10.13266/j.issn.0252-3116.2016.01.012 URL [本文引用: 1] 摘要
[目的 /意义]针对传统方法的不足,提出一种以用户评论为数据源的企业产品级竞争对手识别方法。[方法/过程]首先,根据企业分析维度确定候选竞争产品,进行相关评论文本采集;其次,利用信息抽取技术从本企业产品评论中抽取用户较为关注的产品特征;然后,基于情感分析技术设计特征情感权重算法;利用该算法对本企业产品特征进行优劣势分析,获取优势与劣势特征集,完成待分析产品向量空间表示与相似度计算;分析计算结果,挖掘出与本企业产品优势相似及劣势互补的候选竞争产品,并选择优势相似且劣势互补的产品为主要竞争对手,其他优势相似的产品为次要竞争对手。在实证部分,选择"红米Note"手机为分析对象,以"淘宝""京东""中关村在线"多源评论为数据源,利用基于情感分析的竞争对手识别方法挖掘该产品的主要和次要竞争对手。[结果/结论]本文的基于情感分析的竞争对手识别方法能够实现企业产品级竞争对手的识别与分析。
|
| [11] |
# TwitterCritic: Sentiment Analysis of Tweets to Predict TV Ratings [EB/OL]. [ |
| [12] |
Topic Modeling Based Sentiment Analysis on Social Media for Stock Market Prediction [C]// |
| [13] |
基于深层特征和集成分类器的微博谣言检测研究 [J].https://doi.org/10.3969/j.issn.1001--3695.2016.11.037 URL [本文引用: 1] 摘要
微博中存在着大量的虚假信息甚至谣言，微博谣言的广泛传播影响社会稳定，损害个人和国家利益。为有效检测微博谣言，提出了一种基于深层特征和集成分类器的微博谣言检测方法。首先对微博情感倾向性、微博传播过程和微博用户历史信息进行特征提取得到深层分类特征，然后利用分类特征训练集成分类器；最后利用集成分类器对微博谣言进行检测。实验结果表明，提出的基于深层特征和集成分类器的方法能够有效提高微博谣言检测的性能。
Research on Detecting Micro-blog Rumors Based on Deep Features and Ensemble Classifier [J].https://doi.org/10.3969/j.issn.1001--3695.2016.11.037 URL [本文引用: 1] 摘要
微博中存在着大量的虚假信息甚至谣言，微博谣言的广泛传播影响社会稳定，损害个人和国家利益。为有效检测微博谣言，提出了一种基于深层特征和集成分类器的微博谣言检测方法。首先对微博情感倾向性、微博传播过程和微博用户历史信息进行特征提取得到深层分类特征，然后利用分类特征训练集成分类器；最后利用集成分类器对微博谣言进行检测。实验结果表明，提出的基于深层特征和集成分类器的方法能够有效提高微博谣言检测的性能。
|
| [14] |
Rumor Has It: Identifying Misinformation in Microblogs [C]// |
| [15] |
Rumor Detection over Varying Time Windows [J].https://doi.org/10.1371/journal.pone.0168344 URL PMID: 28081135 [本文引用: 1] 摘要
This study determines the major difference between rumors and non-rumors and explores rumor classification performance levels over varying time windows rom the first three days to nearly two months. A comprehensive set of user, structural, linguistic, and temporal features was examined and their relative strength was compared from near-complete date of Twitter. Our contribution is at providing deep insight into the cumulative spreading patterns of rumors over time as well as at tracking the precise changes in predictive powers across rumor features. Statistical analysis finds that structural and temporal features distinguish rumors from non-rumors over a long-term window, yet they are not available during the initial propagation phase. In contrast, user and linguistic features are readily available and act as a good indicator during the initial propagation phase. Based on these findings, we suggest a new rumor classification algorithm that achieves competitive accuracy over both short and long time windows. These findings provide new insights for explaining rumor mechanism theories and for identifying features of early rumor detection.
|
| [16] |
微信谣言的主题与特征 [J].The Topics and Features About Rumors on the WeChat [J]. |
| [17] |
|
| [18] |
网络商品评论的特征-情感词本体构建与情感分析方法研究 [J].
【目的】解决情感分析领域使用通用情感词典进行情感分析时,在特定领域内无法识别领域专用情感词,以及同一情感词描述不同特征时可能表达出不同情感倾向的两个问题。【方法】提出一种基于领域专用情感词的网络评论情感分析方法。该方法构建特征–情感词本体,利用本体对网络上的产品评论进行情感分析。并与基于Senti-HowNet词典的情感分析方法进行对比。【结果】本文方法在特征层的情感倾向分析的准确率和召回率都有显著提高。【局限】本文方法中的本体需要尽可能完整的特征词集和情感词集,并且情感分析结果好坏直接依赖于本体的构建是否完善;由于网络文本的不规范性,特征词和情感词抽取以及情感分析的过程都不考虑句法结构;数据分析过程对问题进行了简化,仅考虑特征粒度的情感倾向,未考虑连词等对情感倾向有影响的其他因素。【结论】对专用情感词和通用情感词进行分类管理,解决了两个问题,情感分析结果得到提高。
Research on Construction of Feature-Sentiment Ontology and Sentiment Analysis [J].
【目的】解决情感分析领域使用通用情感词典进行情感分析时,在特定领域内无法识别领域专用情感词,以及同一情感词描述不同特征时可能表达出不同情感倾向的两个问题。【方法】提出一种基于领域专用情感词的网络评论情感分析方法。该方法构建特征–情感词本体,利用本体对网络上的产品评论进行情感分析。并与基于Senti-HowNet词典的情感分析方法进行对比。【结果】本文方法在特征层的情感倾向分析的准确率和召回率都有显著提高。【局限】本文方法中的本体需要尽可能完整的特征词集和情感词集,并且情感分析结果好坏直接依赖于本体的构建是否完善;由于网络文本的不规范性,特征词和情感词抽取以及情感分析的过程都不考虑句法结构;数据分析过程对问题进行了简化,仅考虑特征粒度的情感倾向,未考虑连词等对情感倾向有影响的其他因素。【结论】对专用情感词和通用情感词进行分类管理,解决了两个问题,情感分析结果得到提高。
|
| [19] |
|
| [20] |
|
| [21] |
果壳网 [EB/OL]. [Guokr [EB/OL]. [ |
| [22] |
Internet Encyclopedias Go Head to Head [J].
CiteSeerX - Scientific documents that cite the following paper: Internet encyclopedias go head to head. Nature
|
| [23] |
|
| [24] |
|
| [25] |
流言百科 [EB/OL]. [Liuyanbaike [EB/OL]. [ |
| [26] |
|
| [27] |
基于语义规则的Web金融文本情感分析 [J].Magsci 摘要
为有效提高非结构化Web金融文本情感倾向和强度分析的精度，提出了基于语义规则的Web金融文本情感分析算法(SAFT-SR)。该算法基于Apriori算法对金融文本进行属性抽取，构建金融情感词典和语义规则识别情感单元及强度，进而得到文本的情感倾向和强度。实验结果表明，与Ku提出的算法相比，在情感倾向分类方面，算法SAFT-SR情感分类性能良好，提高了分类器的F值、查全率和查准率；在情感强度计算方面，算法SAFT-SR的误差更小，更接近真实评分，证明了SAFT-SR是一种有效的金融文本情感分析算法。
Sentiment Analysis on Web Financial Text Based on Semantic Rules [J].Magsci 摘要
为有效提高非结构化Web金融文本情感倾向和强度分析的精度，提出了基于语义规则的Web金融文本情感分析算法(SAFT-SR)。该算法基于Apriori算法对金融文本进行属性抽取，构建金融情感词典和语义规则识别情感单元及强度，进而得到文本的情感倾向和强度。实验结果表明，与Ku提出的算法相比，在情感倾向分类方面，算法SAFT-SR情感分类性能良好，提高了分类器的F值、查全率和查准率；在情感强度计算方面，算法SAFT-SR的误差更小，更接近真实评分，证明了SAFT-SR是一种有效的金融文本情感分析算法。
|
/
| 〈 |
|
〉 |
