王林,李昀澤

　?。ㄎ靼怖砉ご髮W 自動化與信息工程學院，陜西 西安 710048）

       摘要：針對Hownet經典算法的應用只是側重于詞句優化方面的研究，忽視了因不同人群層次主觀色彩偏差而造成的判別準確性下降問題，文章提出了一種優化Hownet判別方法。搭建閾值確定的新框架，并利用義源信息量衍生義項的方法動態更新情感詞庫，一方面考慮到不同人群主觀色彩對傾向分析產生的影響問題，另一方面針對某一事件或話題直接得出大眾情感傾向。實驗表明，相較傳統的Hownet方法而言，優化后的Hownet實現了對輿情傾向分析的跨人群分析，且有更高的準確性。

　　關鍵詞：義源信息量;衍生義項;Hownet算法;傾向性分析

　　中圖分類號：TN929.12文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.05.004

　　引用格式：王林,李昀澤.情感傾向分析在輿情監控方面的研究［J］.微型機與應用，2017,36（5）：11-13，17.

0引言

　　在輿情媒體規模、媒體種類等發展迅猛的情況下，輿情監測顯得愈發重要，其中人群傾向性偏差問題尤為受到關注。研究不同領域的人群情感傾向偏差問題，是解決輿情人群主觀色彩差異的重點［1］，也可為眾多輿情分析平臺提供幫助，并可為政府監管系統對輿情的整體走勢和褒貶判斷提供重要依據。

　　針對主觀色彩偏差問題，近年來研究者提出的解決方案主要有細粒度分析法［2］、挖掘新模式二次調用［3］、情感詞典邏輯結合［4］等方法。由于Hownet方法重點在于優化情感詞庫和解決詞句［5］問題，所以利用Hownet解決主觀情感差異并不常見。呂韶華等人［6］基于SimRank的跨領域情感傾向性分析算法構建潛在空間向量，實現了領域分類，但僅限于分類階段。YZERBYT V等人［7］提出分類識別行動傾向，引入傳播動力學，但只側重于傳播方式研究。魏現輝［8］提出了一種基于加權SimRank的分析模型，實現了跨領域情感分類，但傾向性分析結果準確性不高。張瑩［9］提出基于異構信息源和邏輯斯諦回歸模型進行情緒預測的方法，該方法是解決跨領域跨人群問題的一大突破，但是步驟過于繁瑣。馬鳳閘［10］將經典遷移學習TrAdaBoost算法的樣本遷移機制應用于情感傾向性分析，為跨領域分析做出了重大貢獻，但精確度有待提高。孟佳娜等人［11］提出歸納式遷移學習，通過領域采集的關聯問題解決了情感色彩的不同影響，但是側重于領域采集研究而非傾向結果判斷。由此可知，跨領域研究既要解決不同人群傾向差異，又要提高總體分析的準確度，利用機器學習或數據挖掘［1215］的方法不僅步驟繁瑣，而且對整體分析結果的準確性影響很大。

　　本文提出一種優化Hownet算法，該方法通過計算不同的評論文本的正傾向和負傾向的加權平均值，并利用二次分類方法確定正負傾向的單一閾值，二次分類結合單邊帶［5］和向量機分類［16］的優點，對主題和情感進行再分類［18］，達到減少主觀情感影響的目的。并采用義源衍生義項方法［2，5，1618］對Hownet詞典庫進行實時更新，達到區分人群的目的，最后利用Hownet算法與優化后的閾值進行對比運算。本文將針對詞句分析的Hownet算法應用到分析人群主觀色彩偏差上，通過對閾值的優化達到減少人群情感偏差影響的目的，大幅減小各類不同情感色彩帶來的影響，也能有效解決跨領域、跨人群的主觀表達問題。該優化方法也可直接針對某一話題或事件得出傾向性分析結果并提高了判斷的準確性。

1相關算法描述

　　1.1存在的問題和解決目標

　　人群傾向偏差不是片面的一詞多義，也不局限于簡單的褒貶相反，而是個人主觀色彩的不同。所以要從根源上對主觀色彩進行區分，就要對人群進行區分，建立區分的方法。

　　1.2Hownet算法優勢

　?。?） Hownet是自然語言處理系統,解釋概念間的關系與屬性，有強大的動態詞典數據庫；

　?。?）以網狀結構反映整體與部分的關系；

　?。?）經典Hownet算法如下；

　　Orient=∑pwsim(pword,word)－∑nwsim(nword,word)(1)

　　其中,Orient為最終閾值，pword與nword分別為褒義詞結果集和貶義詞結果集。該方法方便理解，易于操作，詞典庫可動態更新。

2動態更新詞典庫

　　2.1主題提取

　　詞匯信息量基本公式：

　　其中p代表義原詞匯，C(p)代表詞匯p的信息量,H(p)表示詞匯p出現的數量，max 表示在語義詞庫中的總數。

　　2.2主題分類

　　單邊帶分類是對于不同義原詞匯進行分類，其基本公式為：

　　其中n代表某個義項，即某種衍生意。假設p1有n1個義原，p2有n2個義原。c1與c2是記錄下的n1與n2的數目，再計算相似度。

　　2.3人群分類

　　利用前兩部分實現人群細分，即不用主動去分類人群，而是對不同義項進行分類：

　　假設某語句w1有s1個義項，w2有s2個義項，則w1與w2的相似度為：

　　2.4加權平均

　　最終進行正負閾值的加權平均，得到在不同人群基礎上的結果：

　　pword：積極詞集合，nwords消極詞集合

　　Orient(word) >&（閾值）輿論積極

　　Orient(word) <& (閾值）輿論消極

3Hownet閾值優化模型

　　3.1優化步驟

　　(1)根據TF/IDF權值法計算提煉主題，而不直接歸類其情感傾向,且同步利用式(1)對此情感庫進行更新，避免了中文表達復雜帶來的情感傾向誤判：

　　其中，N表示文本集中的文本數量，n表示文本集中包含目標項的文本數量，f表示目標項出現的頻數。

　　可以看出，如果某個詞在某篇文檔出現的頻率高，而在其他文檔中出現的頻率低，說明該詞對該文檔而言，具有更高的代表性，同時也應有更高的權重值。

　　（2）先以向量空間模型歸類主題的相似性,再以singlepass算法判斷主題情感相似性,避免了因不同篇章的情感色彩強烈而帶來的誤判，向量空間模型算法基本公式為：

　　其中di、dj代表兩個文本的sim相似度，wk代表目標項的權重值。此步驟與式(3)、(4)算法同時進行，目的在于對詞庫進行義項衍生分類，在分類基礎上進行第二步歸類。

　?。?）以singlepass算法判斷主題情感相似性，如果該新聞報道S是輸入的第一篇報道，則將該報道當做第一個話題。后續輸入的新聞報道內容向量與己有的話題內容向量進行比較用兩個向量之間的余弦夾角sim(di,dj)作為衡量相似度的標準，如果其值小于設定的閾值，則認為新輸入的新聞報道屬于該話題，否則將該新聞報道作為一個新的話題。

　　3.2原理總結

　　由上面步驟可知：因中文表達中，不同句式（反問句、否定句）褒貶相反，所以采用二次分類法，對單一的向量分類或算法分類組合使用，取各自優點。向量空間模型通過權值歸類主題，與TF一樣避開了情感部分，主題相似的wkj與wki的取值需通過單邊的情感分類，旨在確定是褒義值@+與貶義值@-，再界定中性范圍，計算加權平均值@：

4試驗結果與分析

　　實驗目的在于驗證優化的Hownet方法傾向性分析模塊是否實現了互聯網信傾向性分析功能，且與傳統方式進行比較，驗證其優點。

　　4.1輿情走勢分析情感統計

　　本文以2016年7月17日~7月19日連續兩天的輿情走勢為樣本，以某個搜索引擎、新聞網站、論壇、微博、微信等平臺為目標，得出正面、負面和中性的文本數量。

　　4.2傾向性結果展示

　　隨著詞典庫的不斷更新，該話題輿情呈現出細分的趨勢，結果顯示出更新詞典庫的突出效果，通過對正負面程度的統計可以判斷輿情的正確走勢，如圖1所示。

　　圖1為輿情分析走勢圖，圖中可看出中性情感最為突出且走勢明顯，可判斷輿情發展主要由中性情感決定并且呈現出下降趨勢。

　　4.3結果分析

　　4.3.1評價指標

　　本文分類評價指標包括查準率、查全率和F1值。

　　4.3.2算法參數選取

　?。?)優化步驟首先利用式(2)對詞典進行初步主題統計，在此基礎上利用式(5)進行文本分類，初始值f的頻率可選，先用擬固定值f=0.5。

　?。?）c1與c2是記錄下的n1與n2的數目，式(3)在c1與c2選取上初始值規定為c1=20和c2=30，此數據會根據后面步驟實時更新增長。

　　(3）利用向量機和單邊帶算法統計情感分類，式(6)是建立在式(3)、(4)基礎上的，對單邊情感分類，隨機地抽取出正負面的感情色彩文本各 500 篇，其中正面被正確識別出來的數量為 400 篇，負面被識別出來的數量為 435篇。

　?。?）為了使更新詞典庫的義項分類與前三步模式更加緊密結合，對閾值的確定就尤為重要，初始@=1.87，第一次取400個正面的@+=0.81，435個負面@-=0.78。利用式(7)可以計算出@的加權平均值為1.122，該值小于初值，可判斷走勢下降。

　　4.3.3對比試驗

　　本文利用4個評價指標對閾值進行設定，確定初始閾值@+與@-，再利用式(7)確定最終閾值，分別對傳統方法與優化方法的閾值進行計算，得出正負面文本的查準率、查全率和F1值。

　　從表2可以看出，優化后的P值、R值、F值都明顯高于傳統方法。

　　圖2為優化方式與傳統方式對比圖，可更清晰地說明問題：實線、點線和虛線分別代表正面、負面及平均值。由圖2可以看出,優化模式（左半部）線條值都普遍高于傳統模式（右半部）線條值，其原因在于對文本分類的文章，在Hownet判別時已經用衍生義項原理實現了潛在的人群分類，所以基于最終的優化閾值進行判別時，很大程度上降低了人群情感色彩偏差帶來的影響。

5結束語

　　本文采取優化Hownet分析方法，對某一話題在不同領域或不同平臺進行傾向性分析，通過對閾值的優化界定并與傳統模式相對比，驗證其優化效果。優化模式合理地結合了權值提煉與機器學習分類方法，通過采用義源衍生義項的分類方法實現人群分類的目的，在此基礎上優化的閾值不僅大幅削弱了不同人群層次的情感偏差影響，而且使得分析結果更加可靠，具有更高的參考價值，且對輿情總體趨勢的情感傾向分析更加有利。

參考文獻

　?。?］ YZERBYT V, DUMONT M, WIGBOLDUS D.The impact british of categorization emotions and action tendencies［J］.Journal of Social onWiley Online Library,2013,23(8):62-66.

　?。?］ 劉龍飛，楊亮，張紹武，等.基于卷積神經網絡的微博情感傾向性分析［J］. 中文信息學報，2015,29(6):159-165.

　?。?］ 黃高峰，周學廣.一種語句級細粒度情感傾向性分析算法研究［J］. 計算機應用與軟件， 2015,32(4):239-242.

　　［4］ YARDI S, BOYD D.Dynamic debates: an analysis of group polarization over time on twitter［J］. Bulletin of Science, Technology & Society, 2010,69(6): 066133.