基于词典与规则的新闻文本情感倾向性分析

doi:10.3976/j.issn.1002-4026.2017.01.019

山东科学 ›› 2017, Vol. 30 ›› Issue (1): 115-121.doi: 10.3976/j.issn.1002-4026.2017.01.019

基于词典与规则的新闻文本情感倾向性分析

李晨，朱世伟，魏墨济，于俊凤，李新天

1.山东省科学院情报研究所，山东济南 250014；2.山东省科学院生物研究所，山东济南 250014

收稿日期:2016-07-13 出版日期:2017-02-20 发布日期:2017-02-20
作者简介:李晨（1988—），男，硕士，研究方向为大数据和数据挖掘。
基金资助:
山东省科技发展计划（2014GGX101013）；山东省重点研发计划（2015GGX101032，2015GGX101037，2016GGX101018）

Lexicon and rules based news text sentiment analysis

LI Chen, ZHU Shi-wei, WEI Mo-ji, YU Jun-feng,LI Xintian

1.Information Institute, Shandong Academy of Sciences, Jinan 250014, China;2.Biology Institute,Shandong Academy of Sciences, Jinan 250014,China

Received:2016-07-13 Online:2017-02-20 Published:2017-02-20

摘要/Abstract

摘要： 通过对新闻类文体的结构分析，将新闻文体按段落划分，采用一种基于情感词典和语义规则相结合的情感关键句抽取方法，对段落内的句子进行情感分析。综合考虑情感、转折、否定、程度和归总等词语信息构建情感词典，根据规则切割新闻文本，将新闻划分为意群、句子、段落以及篇章，通过制定的规则计算情感关键句倾向值，最终获得段落以及整个篇章的情感倾向值，从而得出新闻的情感倾向。与情感词典和SVM情感分类方法的实验结果对比表明，本文方法在对新闻文本进行倾向判别时效果较好，方法具可行性。

关键词: 情感分析, 规则, 网络新闻, 情感词典

Abstract: According to the structure, the news style was divided into several paragraphs. Based on sentiment lexicon and semantic rules, a method of extracting sentimental key sentences was used to analyze the sentiment of sentences within each paragraph. Firstly, sentiment lexicon was built by considering the emotion, twist, negation, degree and sums up vocabularies; Secondly, according to rules, news text was divided into sense groups, sentences, paragraphs and chapters; Furthermore, orientation value of sentimental key sentences was computed by the rules established, and then the sentimental orientation value of the paragraphs and the whole chapters was obtained by weighted average of sentences, thus the sentimental orientation of news was revealed. Compared with lexicon based method and SVM sentiment classification, experimental results show that the method proposed has good effects on the orientation identification of news text, showing good feasibility as well.

Key words: rules, sentiment lexicon, sentiment analysis, online news

中图分类号:

TP311.1

李晨,朱世伟，魏墨济，于俊凤，李新天. 基于词典与规则的新闻文本情感倾向性分析[J]. 山东科学, 2017, 30(1): 115-121.

LI Chen, ZHU Shi-wei, WEI Mo-ji, YU Jun-feng,LI Xintian. Lexicon and rules based news text sentiment analysis[J]. SHANDONG SCIENCE, 2017, 30(1): 115-121.

参考文献

［1］赵妍妍,秦兵,刘挺.文本情感分析［J］.软件学报，2010,21(8):1834-1848. ［2］LIU B,HU M Q,CHENG J S.Opinion observer:Analyzing and comparing opinios on the Web［C］//Proceedings of the 14th international conference on World Wide Web. New York, NY, USA: ACM,2005:342-351. ［3］PANG B,LEE L.Opinion mining and sentiment analysis［J］.Foundations and trends in information retrieval,2008,2(1/2):1-135. ［4］王成. 基于半监督机器学习的文本情感分析技术［D］. 南京；南京理工大学,2015. ［5］孙建旺,吕学强,张雷瀚. 基于词典与机器学习的中文微博情感分析研究［J］. 计算机应用与软件,2014, 31(7):177-181. ［6］杨佳能,阳爱民,周咏梅. 基于语义分析的中文微博情感分类方法［J］. 山东大学学报(理学版),2014,49(11):14-21. ［7］张志飞,苗夺谦,岳晓冬,等. 强语义模糊性词语的情感分析［J］. 中文信息学报,2015,29（2）:68-78. ［8］PANG B, LEE L, VAITHYANATHAN S. Thumbs up? Sentiment classification using machine learning techniques［EB/OL］. ［2016-03-04］.http://delivery.acm.org/10.1145/1120000/1118704/p79pang.pdf?ip=222.173.55.212&id=1118704&acc=OPEN&key=4D4702B0C3E38B35%2E4D4702B0C3E38B35%2E4D4702B0C3E38B35%2E6D218144511F3437&CFID=849300259&CFTOKEN=78353276&__acm__=1475909422_f62191db62812a3a07db2d210c7dc31b. ［9］TAN S B, ZHANG J. An empirical study of sentiment analysis for Chinese documents［J］. Expert Systems with Applications, 2008, 34(4):2622-2629. ［10］樊小超. 基于机器学习的中文文本主题分类及情感分类研究［D］. 南京：南京理工大学, 2014. ［11］朱嫣岚, 闵锦, 周雅倩,等. 基于HowNet的词汇语义倾向计算［J］. 中文信息学报, 2006, 20(1):14-20. ［12］TURNEY P D, LITTMAN M L. Measuring praise and criticism: Inference of semantic orientation from association［J］. Acm Transactions on Information Systems, 2003, 21(4):315-346. ［13］冯亮祖. 基于情感关键句的新闻文本情感分类研究［D］. 北京:北京邮电大学, 2015. ［14］张成功, 刘培玉, 朱振方,等. 一种基于极性词典的情感分析方法［J］. 山东大学学报(理学版), 2012, 47(3):47-50. ［15］李凌燕. 新闻叙事的主观性研究［M］. 上海：东方出版中心, 2013. ［16］谢晖. 新闻文本学［M］. 北京：中国传媒大学出版社, 2007. ［17］YESSENALINA A, YUE Y, CARDIE C. Multilevel structured models for documentlevel sentiment classification［C］//Conference on Empirical methods in natural language processing.Massachusetts,USA:Association for Computational linguistics,2010:1046-1105. ［18］李本阳. 句子和篇章文本倾向分析［D］. 哈尔滨: 哈尔滨工业大学, 2010. ［19］杜伟夫. 文本倾向性分析中的情感词典构建技术研究［D］. 哈尔滨:哈尔滨工业大学, 2010. ［20］张谊生.现代汉语副词研究［M］.上海：学林出版社，2000. ［21］金允经,金昌吉. 现代汉语转折连词组的同异研究［J］. 汉语学习,2001(2):34-40.

[1]	王宁, 昌锡铭, 杨欣, 吴建军. 基于改进的Apriori算法的铁路事故风险源关联分析方法[J]. 山东科学, 2023, 36(5): 67-74.
[2]	胡甜. 规则驱动的联锁系统自动测试研究与实现[J]. 山东科学, 2022, 35(5): 97-103.
[3]	纪君娜. 栅栏板护面下护岸越浪数值模拟[J]. 山东科学, 2021, 34(4): 14-20.
[4]	孙剑，杨澎涛，张媛. 基于统计分析的许可回收规则定义与应用[J]. 山东科学, 2015, 28(4): 101-106.
[5]	王林林, 石冰, 胡元, 邢海华. 基于关联图的改进关联规则在推荐系统中的应用[J]. J4, 2011, 24(5): 76-80.
[6]	郭鸿雁, 尉永青, 吕桃霞. 基于关联规则挖掘的网络安全审计技术研究[J]. J4, 2010, 23(5): 33-36.
[7]	蒲海涛. 动态适应性高校信息系统的研究[J]. J4, 2010, 23(5): 37-39.

基于词典与规则的新闻文本情感倾向性分析

Lexicon and rules based news text sentiment analysis

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

Metrics

本文评价

推荐阅读 0