資源描述：
《基于詞典的中文情感傾向文本分析工具.ppt》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。
1、基于詞典的中文情感傾向文本分析工具情感傾向可認(rèn)為是主體對(duì)某一客體主觀(guān)存在的內(nèi)心喜惡，內(nèi)在評(píng)價(jià)的一種傾向。情感傾向方向情感傾向度情感傾向目前，情感傾向分析的方法主要分為兩類(lèi)：基于情感詞典的方法；是基于機(jī)器學(xué)習(xí)的方法。分析方法文本情感分析的分析粒度：詞語(yǔ)；句子；段落；篇章。分析粒度解決較短文本的情感分析，篇章級(jí)文本情感分析的基礎(chǔ)。分析粒度句子級(jí)的情感傾向分析：使用工具：語(yǔ)言：java中文分詞系統(tǒng)：FudanNLP-1.5情感詞典：知網(wǎng)情感詞典語(yǔ)言和工具：1、文本切割轉(zhuǎn)換算法分析3、情感聚合2、情感定位將文檔D以換行符”/n”分割成段落
2、P；將段落P用中文里常用的句號(hào)、分號(hào)、問(wèn)號(hào)、感嘆號(hào)劃分句意的符號(hào)，切割成不同的句子[“?！?”；”,”？”,”！”]；使用FudanNLP中的分詞函數(shù)，對(duì)短句進(jìn)行分詞。1、文本切割轉(zhuǎn)換文本切割的目的是將文本變成我們后續(xù)分析需要的格式：“我今天很不高興?！盵（1，“我”,“代詞”），（2，“今天”，”時(shí)態(tài)詞”），（3，“很”，”副詞”），（4，“不”，”否定詞”），（5，“高興”，“形容詞”）]1、文本切割轉(zhuǎn)換2、情感定位單詞列表是否為情感詞否next標(biāo)記并存入情感詞列表next是否定詞的修飾會(huì)使情感詞語(yǔ)的情感極性發(fā)生改變。多重否定
3、：當(dāng)否定詞出現(xiàn)奇數(shù)次時(shí)，表示否定意思；當(dāng)否定詞出現(xiàn)偶數(shù)次時(shí)，表示肯定意思。否定詞典N(xiāo)otDict，并設(shè)置其權(quán)值為W=-1。常見(jiàn)的否定詞如：不、沒(méi)、無(wú)、非、莫、弗、毋、勿、未、否、別、無(wú)、休……否定詞和程度副詞的優(yōu)化“我今天很不高興”當(dāng)程度副詞修飾情感詞，該情感詞的情感傾向程度發(fā)生了變化。否定詞和程度副詞的優(yōu)化“今天坐了12個(gè)小時(shí)的車(chē)，身體極度疲憊?！眛ype
4、權(quán)值超
5、over1.5很
6、very1.25極其
7、extreme/最
8、most2較
9、more1.2欠
10、insufficiently0.5稍
11、slightly0.8程度副詞示例①
12、經(jīng)過(guò)文本切割轉(zhuǎn)換[（1，“我”,“代詞”），（2，“今天”，“時(shí)態(tài)詞”），（3，“很”，“副詞”），（4，“不”，“否定詞”），（5，“高興”，“形容詞”）]②情感定位[(5，“積極詞”，4)，(4,“否定詞”,-1)]，(3,“程度詞”,1.25)]“我今天很不高興?！逼录?jí)情感傾向通過(guò)聚合篇章中所有的句子的情感傾向來(lái)計(jì)算得出。句子級(jí)由句子中所含情感詞來(lái)計(jì)算。3、情感聚合情感值=否定詞(-1)*程度詞權(quán)重*情感詞權(quán)重“我很不高興”——分詞之后：我很不高興“我不很高興”——分詞之后：我不很高興否定詞和程度詞位置關(guān)系W=1; If位
13、置（否定詞）>位置（程度詞）：W=-1;意群情感值=W*程度詞權(quán)重*情感詞權(quán)重;end If位置（否定詞）<位置（程度詞）：W=0.5;意群情感值=W*程度詞權(quán)重*情感詞權(quán)重;end如果句子里出現(xiàn)多個(gè)否定詞，則處理辦法為：Fornin所有否定詞：W=-1*W3、情感聚合句子情感值=sum（意群情感值1，意群情感值2……）段落情感值=average（句子1情感值，句子2情感值……）文檔情感值=average（段落1情感值，段落2情感值……）3、情感聚合最后可以通過(guò)整個(gè)文章的情感值的正負(fù)號(hào)以及權(quán)值大小來(lái)判斷情感傾向是積極的還是消極的。
14、小結(jié)Thankyou
