国际关系研究中的“情感”研究
国际关系研究中的“情感”研究
————————————————————————————————作者：————————————————————————————————日期：
国际关系研究中的“情感”研究-新闻学
国际关系研究中的“情感”研究
唐晓芬
【摘要】本文从国际关系研究的理性主义框架、建构主义框架和情感研究框架出发，梳理了国际关系研究中与情感相关的几条学术线索：第一次世界大战与“敌意”态度研究、民族主义及其相关情感、大众情感动力与国际关系政策制定，认为：即使在理性主义和建构主义的框架下，国际关系中的“情感”研究依然占有一席之地，而新近兴起的情感研究框架则从大众情感的研究立场出发，关注大众情感动力，聚焦大众情绪过程、情绪转化等议题，为国际关系研究拓展了新的视野。
关键词国际关系情感研究理性主义建构主义
在当今国际关系中，任何领导人都不能忽视强烈情绪发挥的重要作用。郝拓德（Todd Hall）和安德鲁·罗斯（Andrew A. G.Ross）认为研究“情感”有助于解读现有分析框架回避的“社会过程”问题。在现有的两种主流的分析框架中，“理性主义”框架致力于寻找因果解释，“建构主义”强调“身份、意识形态与文化模式研究”。①情感研究框架作为新兴的国际关系研究框架，强调从大众情感的研究立场出发，关注大众情感动力，聚焦大众情绪过程、情绪转化等议题。
本文梳理了国际关系研究中与情感相关的几条学术线索：第一次世界大战与“敌意”态度研究、民族主义及其相关情感、大众情感动力与国际关系政策制定，认为：即使在理性主义和建构主义的框架下，国际关系中的“情感”研究依然占有一席之地，而新近兴起的情感研究框架为国际关系研究拓展了新的视野。
一、第一次世界大战与“敌意”（hostilities）态度研究
第一次世界大战的惨烈，对欧洲人的集体意识影响深远。欧洲公众开始意识到，剥去所有冠冕堂皇的理由和巧言令色的辞藻，这场战争实质上是一场大型的家族世仇，欧洲的帝王们——其中有很多人都是血亲——终于有了机会，在他们的忠顺臣民的尸体之上，清算他们的宿怨和私人仇隙。②
有的学者从宣传的角度研究欧洲的帝王们是如何驯服臣民，向他们推销战争观念的。其中，以传播学四大奠基人之一的哈罗德·拉斯维尔（Harold D. Lasswell）的研究最具代表性。拉斯维尔在其博士论文《世界大战中的宣传技巧》中，意识到了“敌意”的力量，提出宣传的首要目标就是要”激发对敌人的仇恨”，即“宣传要毫不含糊地告诉公众应该恨谁”③。
也有的学者基于对战争历史的认知，认为“过低或过高估计敌意都曾经导致战争”（罗伯特·杰维斯）④ 。因此，如何准确测量国际关系中的“敌意”态度，成为部分学者的研究目标。罗伯特·C·诺斯（RobertC. North）和他的合作者们通过测量“1914年欧洲危机（the 1914 Crisis）”参与者的语言表达中包含的“敌意”强度，认为当时参战各国决策者对欧洲形势的误判和国与国之间的相互误解是导致第一次世界大战爆发的重要原因。⑤此后，罗伯特·诺斯的合作者之一迪纳·A·津尼斯（Dina AZinnes）修正了此前采用Q 分类法（Q-sor t方法，从心理学中引入），采用配对比较法（Paired Comparison Method）测量政治文献中的“敌意”强度。该方法弥补了Q 分类法中将数据按5、7 或9 个等级强制呈现“准正态分布”的缺陷，可以在不牺牲信度的前提下，对Q 分类法不适用的内容进行分析。⑥
罗伯特·诺斯等人的“敌意”态度测量研究，是基于传统的认知心理学层
面展开的。这类研究的关注焦点在于“从个体层面分析情感，比如重要领导人的情感、情绪与国际冲突爆发之间的关系”。⑦
此类研究基本上不脱离国际关系研究中的“理性主义”框架，其研究目的在于为国际关系中的紧张甚至冲突状态寻找因果解释。这一研究框架在今天依然是国际冲突研究的主流框架之一，如斯坦顿·皮尔（Stanton Peele）对阿富汗战争的研究，就指出阿富汗战争的走向与当政者的心理认知有关。⑧
二、建构主义框架：民族主义及相关情感
民族主义被认为是支配现代历史的主导力量。⑨民族主义学者经常提及与民族身份相联系的强烈情感⑩，情感成为构建个人与群体关系的重要因素。⑾本尼迪克特·安德森认为，民族主义不是自上而下发生的，不是由那些认为自己可以控制世界的人创造出来的。民族主义的发生其实是一个依恋的问题，不是意识形态意义上的，而是情感的东西。⑿
也正因为此，民族认同并不是或不等同政治认同。民族认同有多种层面，历史、语言、宗教、文化和血缘都是非常强大的感情联系纽带。而这些纽带恰恰是超越政治的。⒀
民族主义情感可以归类到赫尔德所谓的归属感的层面。作为现代民族主义思想的源头之一，赫尔德认为归属感在人的生活中具有重要价值：人既需要吃喝、需要安全感与行动自由，同样也需要归属某个群体。⒁
以爱国主义为例，爱国主义者认为自己与祖国之间存在情感上的密切联系。因此，对国家或民族的“忠诚”成为爱国主义者的重要情感体现。有学者专门研究了“荣誉”和“民族自豪感”在第一次世界大战中发挥的作用。⒂这种“荣誉”和“自豪感”的战争动员作用在战争爆发前夕尤为明显。在当时的英国
和其他欧洲国家，群众为战争欣喜若狂，踊跃报名。由于对战争抱持过分乐观的态度，各国士兵都认为自己的国家将在很短的时间内胜出，因而很多预备役士兵为自己能否赶在战争结束之前上前线打仗而忧心不已。
当然，与民族主义相连结的情感也可能瞬间从正面情感转化为负面情感。
本尼迪克特·安德森的同事曾经做过一个实验。安德森的这位同事是阿根廷裔，在智利长大，参加了“海外阿根廷”网络小组的讨论，该小组是由居住在阿根廷境外（如欧洲、美国和亚洲等地区）的阿根廷裔族群聚集而成的网络社区。在这个网络社区的讨论中，大家普遍在诉说他们的思念——阿根廷的肉、阿根廷的探戈、阿根廷的足球，全都是世界上最棒的，也是他们如果身处阿根廷会拥有的东西。安德森的这位同事在加入小组两周后，故意犯了一个小小的错误，用智利西班牙语，而不是阿根廷常用的西班牙语发言。此举在“海外阿根廷”网络社区引起了暴动，其他小组成员写道：有奸细、有人用了智利西班牙语、智利人渗透了我们小组、找出他、惩罚他。⒃
上述实验表明，从乡愁的脉脉温情到“人肉”奸细的网络暴动，只需要一个小小的导火索。在这个实验中，导火索是一个被故意写错的动词词语。而在现实生活中，可能会是其他可大可小的事件。但是背后支撑的，却是同样的民族主义根基。
民族主义的研究大多可以被纳入建构主义框架。建构主义从根本上挑战了理性主义的本体论基础，并将规范认同视为其研究的核心议题之一⒄，强调“身份、意识形态与文化模式研究”。⒅
三、情感研究框架：大众情感动力与国际关系政策制定
国际关系理论通常假设：政策制定者根据政治目标，对公众情感进行引导
与操纵。⒆但是也有学者认为：至少在短期内，“大众情感”也能够约束、影响或者复杂化领导人的外交政策选择。⒇
大众情感经常以公共舆论或民意的形式出现，并成为影响各国外交政策的重要因素之一。以日本为例，日本政府高层领导人在外交政策上强调“舆论基础”和“民意支持”，日本内阁政府每年都要进行一次全国性的“有关外交政策的民众舆论调查”(21) 。
郝拓德和安德鲁·罗斯将国际关系中的情感类型分类为“基调情感现象（backgroundaffective phenomena）”和“状态情感现象(acute affective phenomena)”两种。基调情感现象是长期的情感性情，它存在于日常生活中，往往不容易被察觉；状态情感现象是暂时集中的、对所处情境的一种应急反应，包括恐惧、愤怒、焦虑和恐慌等，往往更容易被察觉到。(22)
状态情感现象有时会对国际关系政策造成影响。有学者专门分析了“9·11”事件在美国本土民众中引发的“道德愤慨”、“同情”与“心灵创伤”等情感现象。而正是在上述情感的驱动下，80%的美国民众支持布什政府将国家安全战略重点转向反对恐怖主义。在这样的背景下，布什总统的反恐战争也就成为美国公众舆论顺水推舟的产物。
情感研究框架作为新兴的国际关系研究框架，强调从大众情感的研究立场出发，关注大众情感动力，聚焦大众情绪过程、情绪转化等议题，为国际关系研究拓展了新的视野。
【本文系2013 北京高校“青年英才计划”项目“微博中的负面舆论研究”阶段性成果之一，项目编号：YETP0618】
参考文献
①⑩⑾⒅⒇(22)郝拓德、安德鲁·罗斯，《情感转向：情感的类型及其国际关系影响》[J]《. 外交评论》，2011（4）：40-56
②斯科特·安德森著，陆大鹏译：《阿拉伯的劳伦斯：战争、谎言、帝国愚行与现代中东的形成》[M].社会科学文献出版社，2014：79
③ Lasswell, H. D. (1927). Propagandatechnique in the world war. Cambridge,Mass, MIT Press.
④Jervis, R. (1988). “War and misperception.”Journal of Interdisciplinary History:675-700
⑤ North, R. C., et al. (1963). Contentanalysis: A handbook with applicationsfor the study of international crisis. Evanston,IL, Northwestern University Press；North, R. C. (1967). “Perception and Actionin 1914 Crisis.” Journal of InternationalAffairs21（1）: 103-122.
⑥ North, R. C. (1967). “Perceptionand Action in 1914 Crisis.” Journal of InternationalAffairs21（1）:103-122
⑦McDermott, R. (2004). “The Feelingof Rationality.” Perspectives on Politics2（4）：691-706.
⑧ Peele, S. (2010). “Afghanistan: TheP sychology of Failure as Justification forContinuing Futility.” Retrieved 11/17/2011 9:02 am EST from
https://www.360docs.net/doc/235145082.html,/stanton-peele/afghanistan-the-psychol og_b_613283.html.
⑨⒀徐迅：《民族主义》[M].东方出版社，2015：36-37、104
⑿⒃ 李纯一、祁涛，《本尼迪克特·安德森：风靡世界的民族主义研究本是我写给懵懂英国人看的》，Retrieved 2014-04-10 09:00:01，from https://www.360docs.net/doc/235145082.html,/Benedict-Anderson/2014_04_10_220911.shtml ⒁以赛亚·伯林著，马寅卯、郑想译：《启蒙的三个批评者》[M].译林出版社，2014
⒂ Ross, A. A. G. and T. Hall (2010).Grasping the Elphant: Emotions, the GreatWar, and International Relations. InternationalStudies Association Conference.New Orleans.
⒄ 柳思思，《公众情感引导机制研究——塔利班与美国对阿富汗的公众情感引导比较》[J].《世界经济与政治》，2013（2）：58-76、157
⒆Ballentine, K. and J. Snyder (1996).”Nationalism and the Marketplace of Ideas.” International Security21（2）：5-40
(21)林晓光，《日本对华舆情变动的深层分析》[J].《世界经济与政治》，2006（10）：51-58
（作者：中国传媒大学广播电视研究中心助理研究员）
责编：姚少宝
情感计算的研究现状与认知困境读后感
《情感计算的研究现状与认知困境》读后感 《情感计算的研究现状与认知困境》选自《自然辩证法通讯》期刊2012年第2期，作者李佳源。本文主要介绍了当前情感计算的心理学依据以及所使用的情感测量、情感建模方法，介绍了当前学术界对情感计算的可能性、情感计算的理论基础以及情感计算技术应用后果的质疑。最后对如何消除这些质疑提出了一些初步看法。 情感计算是近几年兴起的一个崭新的、充满希望的研究领域, 其目的是要赋予计算机感知、理解与表达情感的能力。 本文首先在引言部分介绍了情感计算的起源与发展状况。“情感计算”最初由美国麻省理工学院( MIT) 的R.W.Picard教授在1997年提出,她将其定义为“关于情感、由情感引发以及意图影响情感的计算”。情感计算在人工智能和计算机领域发展迅速，但是当前对情感计算的认识在学界普遍存在一些偏差，甚至是认知上的一些困境。 文章第一部分介绍了情感计算的依据与方法。情感计算设计过程依3种成分进行展开：主观体验、外部表现、和生理唤醒。计算机具有情感需具备以下能力：（1）情感表情；（2）多层次的情感产生；（3）情感体验；（4）身心交互。情感计算的方法是通过传感器直接或间接与人接触获得情感信息与数据，通过建模对情感信息进行分析与识别，对分析结果进行推理达到感性的理解，将理解结果通过合理的方式表达出去也就完成了情感交流的全过程。通过情感测量获取情感信息与数据的方法有主观体验测量方法、表情测量方法和生理测量方法。情感测量获得的数据要求具有典型性、自然型、完整性和可控性。当获取了情感数据之后，下一步的任务就是将情感信号与情感机理相应方面的内容对应起来，这就是要对所获得的信号进行建模和识别。情感建模方法可采用诸如隐马尔可夫模型、贝叶斯网络模式等数学模型以及一些非线性分析方法，如模糊理论、神经网络、混沌理论、遗传算法等。情感建模是情感计算的一个主要研究内容，如果我们能够为情感状况建立比较准确的模型，能够找到比较适合计算机科学的情感建模方法，则将大大促进计算机人工智能的发展。 文章第二部分通过对3个问题的回答来表达了作者对于当前情感计算认知困境的理解。1.情感计算可能吗？情感可不可以计算实际上是一个哲学终极问题。支持者认为情感并非如心理学家所认为的那样仅仅是人的内心体验状态，而是可以通过人生理、表情、语言等体现出来，可以通过一定的技术进行测量与处理。反对者认为情绪是人类本身专有的，一旦它脱离人就不存在了或者说变成假的了。 2.情感计算的理论基础是什么？一些人认为应该把情感计算的理论基础建立在心理学之上，而另外一些人认为应该把情感计算的理论基础建立在“统一价值论”之上。 3.情感计算技术为我们带来什么？乐观主义者认为它将给我们生活带来更多的智能和便利，悲观主义者认为机器如果拥有情感将给我带来麻烦与问题。 文章第三部分阐明了作者的总结与观点。作者认为：1、不能从哲学终极性的角度来看待情感计算的问题，关于情感计算，不是可不可以的问题，而是适合实践的需要与发展的问题，是必须要进行的事业；2、把情感计算的理论建立在
文本情感分析综述
文本情感分析综述? 赵妍妍+, 秦兵, 刘挺 (哈尔滨工业大学计算机科学与技术学院信息检索研究中心, 黑龙江哈尔滨 150001) A Survey of Sentiment Analysis * ZHAO Yan-Yan+, QIN Bing, LIU Ting (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) + Corresponding author: Phn: +86-451-86413683 ext 800, E-mail: zyy@https://www.360docs.net/doc/235145082.html, Abstract: Sentiment analysis is a novel research topic with the quick development of online reviews, which has drawn interesting attention due to its research value and extensive applications. This paper surveys the state-of-the-art research on sentiment analysis. First, three important tasks of sentiment analysis are summarized and analyzed in detail, including sentiment extraction, sentiment classification, sentiment retrieval and summarization; then the evaluation and corpus for sentiment analysis are introduced; finally the applications of sentiment analysis are concluded. This paper aims to take a deep insight into the mainstream methods and recent progress in this field, making detailed comparison and analysis. It is expected to be helpful to the future research. Key words: sentiment analysis; sentiment extraction; sentiment classification; sentiment retrieval and summarization; evaluation; corpus 摘 要: 文本情感分析是随着网络评论的海量增长而迅速兴起的一个新兴研究课题,其研究价值和应用价值受到人们越来越多的重视.本文对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为三项主要任务,即情感信息抽取,情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分析的国内外评测和资源建设情况;最后介绍了文本情感分析的应用.文本重在对文本情感分析研究的主流方法和前沿进展进行概括,比较和分析,以期对后续研究有所助益. 关键词: 文本情感分析;情感信息抽取;情感信息分类;情感信息的检索与归纳;评测;资源建设 中图法分类号: TP391文献标识码: A 随着Web2.0的蓬勃发展,互联网逐渐倡导“以用户为中心,用户参与”的开放式构架理念.互联网用户由单纯的“读”网页,开始向“写”网页、“共同建设”互联网发展,并由被动地接收互联网信息向主动创造互联网信息迈进.因此,互联网(如:博客和论坛)上产生了大量的用户参与的,对于诸如人物、事件、产品等有价值的评论信息.这些评论信息表达了人们的各种情感色彩和情感倾向性,如“喜”、“怒”、“哀”、“乐”,和“批评”、“赞扬”等.基于此,潜在的用户就可以通过浏览这些主观色彩的评论,来了解大众舆论对于某一事件或产品的看法.由于越来越多的用户乐于在互联网上分享自己的观点或体验,这类评论信息迅速膨胀,仅靠人工的方法难以应对网上海量信 ?Supported by the National Natural Science Foundation of China under Grant Nos. 60803093, 60975055 (国家自然科学基金) and the “863” National High-Tech Research and Development of China via grant 2008AA01Z144(863计划探索类专题项目)
文本情感分析论文总结
文本情感分析 赵妍妍，秦兵，刘挺- 软件学报, 2010 - https://www.360docs.net/doc/235145082.html, 按粒度，情感分析可分为词语级、短语级、句子级、篇章级、多篇章级；按文本类别，可分为基于新闻评论和基于产品的情感分析。 情感分析的研究任务：情感信息的抽取、分类以及检索与归纳。 一、情感信息抽取(评价词语、评价对象、观点持有者) 1.评价词语的抽取：基于语料库的抽取；基于词典的抽取；基于图的方法。 2.评价对象的抽取：基于规则/模板的方法(词序列、词性、句法规则、关联规则挖掘)；评 价对象最为产品属性，考察评价对象与领域指示词的关联度来获取；多粒度的话题模型方法。 3.观点持有者抽取：命名实体识别技术(人名或机构名)、语义角色标注；分类任务，看做 序列标注问题，使用CRF融合特征抽取；名词短语作为候选，使用ME模型计算。 4.组合评价单元的抽取： 主观表达式：Wiebe的主观表达式库(抽取n元词语/词组作为候选，对比训练预料判断) 评价短语抽取(程度副词-评价词语)：情感词典的方法；依存句法解构(ADV，ATT，DE)。 评价搭配抽取(评价词语-评价对象)：基于模板的方法(8个共现模板、句法关系模板)。 二、情感信息分类 1.主客观信息分类：文本是否含情感知识方法；组合评价单元判断；情感模板识别；基于 分类器和分类特征的二元分类任务(词语特征，标点、人称代词、数字特征，基于图)； 2.主观信息情感分类(句子级、篇章级)：基于情感知识、基于特征分类的方法(n-gram词语 特征和词性特征、位置特征、评价词特征)。 三、情感信息的检索与归纳 1．情感信息检索 2．情感信息归纳 基于产品属性的情感文摘：识别评论信息中的产品属性，抽取描述产品属性的情感句，判断其倾向性。 基于情感标签的情感文摘：标签可定义为评价搭配形式，建立标签库，相似度聚类的方法聚类得到相似的情感标签，每一类视为潜在的话题(即产品属性)。 基于新闻评论的文摘 四、情感分析的评测与资源 1.情感分析的评测：TREC，NTCIR的MOAT(新闻观点检测，情感问答，跨语言情感分析)， 国内的COAE。 2.情感分析的语料：康奈尔大学的影评数据集，UIC的Hu和Liu的产品领域的评论语料， Wiebe的MPQA新闻评论深度标注语料，MIT的多角度餐馆评论语料，中科院的中文酒店评论语料。 3.词典资源：GI(general inquirer)评价词词典，NTU评价词词典(繁体中文)，主观词词典(英 文)，HowNet评价词词典(简体中文、英文) 问题：情感信息抽取忽略词语所在语境的影响；评价对象的情感分类，而非句子级或篇章级；基于情感标签的情感文摘的深入研究；
文本情感分析研究现状
文本情感分析研究现状 机器之心专栏 作者：李明磊 作为NLP领域重要的研究方向之一，情感分析在实际业务场景中 存在巨大的应用价值。在此文中，华为云NLP算法专家李明磊为 我们介绍了情感分析的概念以及华为云在情感分析方面的实践和 进展。 基本概念 为什么：随着移动互联网的普及，网民已经习惯于在网络上表达意见和建议，比 如电商网站上对商品的评价、社交媒体中对品牌、产品、政策的评价等等。这些评价中都蕴含着巨大的商业价值。比如某品牌公司可以分析社交媒体上广大民众对该品牌的评价，如果负面评价忽然增多，就可以快速采取相应的行动。而这种正负面评价的分析就是情感分析的主要应用场景。 是什么：文本情感分析旨在分析出文本中针对某个对象的评价的正负面，比如「华为手机非常好」就是一个正面评价。情感分析主要有五个要素，（entity/实体, aspect/属性，opinio n/观点，holder/观点持有者，time/时间），其中实体和属性合并称为评价对象（target）。情感分析的目标就是从非结构化的文本评论中抽取出这五个要素
、 (entity 体, 输入文木 holder/?点持有者，time/ 时 |i 图i情感分析五要素 举例如下图： 我觉得华为手机非常牛逼。（华为手机* 图2情感分析五要素例子 上例中左侧为非结构化的评论文本，右侧为情感分析模型分析出的五个要素中的四个（不包括时间）。其中实体「华为手机」和属性「拍照」合并起来可以作为评价对象。评价对象又可细分为评价对象词抽取和评价对象类别识别。如实体可 以是实体词和实体类别，实体词可以是「餐馆」、「饭店」、「路边摊」，而实 体类别是「饭店」；属性可以是属性词和属性类别，如属性词可以是「水煮牛肉」、 「三文鱼」等，都对应了属性类别「食物」。实体类别和属性类别相当于是对实体词和属性词的一层抽象和归类，是一对多的关系。词和类别分别对应了不同的
情感分析简述
情感分析简述 分类：NLP2012-04-08 12:38 1022人阅读评论(3) 收藏举报情感classification算法测试translationmatrix 情感分析，我研究了也有半年有余了，ACL Anthology上关于情感分析的论文也基本看过了一遍，但是到目前还没有什么成就的。以下是我为一位同学毕业设计写的情感分析方面的综述，引用的论文基本上是ACL 和COLING还有EMNLP上历年关于情感分析的论文，本文应该学术性比较强一点，本文虽不打算发表，但由于将来可能还有用，以及关于学术上的原因，请大家如果要引用请务必标明出处 （https://www.360docs.net/doc/235145082.html,/s/blog_48f3f8b10100irhl.html）。 概述 情感分析自从2002年由Bo Pang提出之后，获得了很大程度的研究的，特别是在在线评论的情感倾向性分析上获得了很大的发展，目前基于在线评论文本的情感倾向性分析的准确率最高能达到90%以上，但是由于深层情感分析必然涉及到语义的分析，以及文本中情感转移现象的经常出现，所以基于深层语义的情感分析以及篇章级的情感分析进展一直不是很大。情感分析还存在的一个问题是尚未存在一个标准的情感测试语料库，虽然Bo Pang实验用的电影评论数据集（https://www.360docs.net/doc/235145082.html,/people/pabo/movie-review-data/）以及Theresa Wilson等建立的MPQA（https://www.360docs.net/doc/235145082.html,/mpqa/）是目前广泛使用的两类情感分析数据集，但是并没有公认的标准加以确认。 目前情感分析的研究基本借鉴文本分类等机器学习的方法，还没有根据自身的特点形成一套独立的研究方法，当然在某种程度上也可以把情感分析看出一种特殊的文本分类。比较成熟的方法是基于监督学习的机器学习方法，半监督学习和无监督学习目前的研究不是很多，单纯的基于规则的情感分析这两年已很少研究了。既然目前很多情感分析的研究基于机器学习，那么特征选择就是一个很重要的问题，N元语法等句法特征是使用最多的一类特征，而语义特征（语义计算）和结构特征（树核函数）从文本分类的角度看效果远没有句法特征效果好，所以目前的研究不是很多的。 由于基于监督学习情感分析的研究已经很成熟了，而且在真实世界中由于测试集的数量要远远多于训练集的数量，并且测试集的领域也不像在监督学习中被限制为和训练集一致，也就是说目前情感分析所应用的归纳偏置假设在真实世界中显得太强的，为了和真实世界相一致，基于半监督学习或弱指导学习的情感分析和跨领域的情感分析势必是将来的研究趋势之一。 在情感分析的最初阶段基于语义和基于规则的情感分析曾获得了比较大的重视，但是由于本身实现的复杂性以及文本分类和机器学习方法在情感分析应用上获得的成功，目前关于这方面的研究以及很少了，但是事实上，语义的相关性和上下文的相关性正是情感分析和文本分类最大的不同之处，所以将基于语义和规则的情感分析与基于机器学习的情感分析相结合也将是未来的研究趋势之一。 以下将分别对情感分析的起源，目前基于监督学习，无监督学习，基于规则和跨领域的情感分析的一些研究工作进行简单的介绍。 起源 虽然之前也有一些相关工作，但目前公认的情感分析比较系统的研究工作开始于（Pang et al., 2002）基于监督学习（supervised learning）方法对电影评论文本进行情感倾向性分类和（Turney,2002）基于无监督学习（unsupervised learning）对文本情感情感倾向性分类的研究。（Pang et al., 2002）基于文本的N元语法（ngram）和词类（POS）等特征分别使用朴素贝叶斯（Naive Bayes），最大熵（Maximum Entropy）和支持向量机（Support Vector Machine，SVM）将文本情感倾向性分为正向和负向两类，将文本的情感进行二元划分的做法也一直沿用至今。同时他们在实验中使用电影评论数据集目前已成为广泛使用的情感分析的测试集。（Turney ,2002）基于点互信息（Pointwise Mutual Information，PMI）计算文本中抽取的关键词和种子词（excellent,poor）的相似度来对文本的情感倾向性进行判别（SO-PMI算法）。 在此之后的大部分都是基于（Pang et al., 2002）的研究。而相对来说，（Turney et al.,2002）提出的无监督学习的方法虽然在实现上更加简单，但是由于单词之间的情感相似度难以准确的计算和种子词的难以确定，继续在无监督学习方向的研究并不是很多的，但是利用SO-PMI算法计算文本情感倾向性的思想却被很多研究者所继承了。 监督学习 目前，基于监督学习的情感分析仍然是主流，除了（Li et al.,2009）基于非负矩阵三分解（Non-negative Matrix Tri-factorization），（Abbasi et al.,2008）基于遗传算法（Genetic Algorithm）的情感分析之外，使用的最多的监督学习算法是朴素贝叶斯，k最近邻（k-Nearest Neighbor，k-NN），最大熵和支持向量机的。而对于算法的改进主要在对文本的预处理阶段。 一个和文本分类不同地方就是情感分析有时需要提取文本的真正表达情感的句子。（Pang et al., 2004）基于文本中的主观句的选择和（Wilson el al.,2009）基于文本中的中性实例（neutral instances）的分析，都是为了能够尽量获得文本中真正表达情感的句子。（Abbasi et al.,2008）提出通过信息增益（Information Gain，IG）的方法来选择大量特征集中对于情感分析有益的特征。 而对于特征选择，除了N元语法和词类特征之外，（Wilson el al.,2009）提出混合单词特征，否定词特征，情感修饰特征，情感转移特征等各类句法特征的情感分析，（Abbasi et al.,2008）提出混合句子的句法（N元语法，词类，标点）和结构特征（单词的长度，词类中单词的个数，文本的结构特征等）的情感分析。 除了对于文本的预处理，对于监督学习中情感分析还进行了以下方面的研究的。（Melville et al., 2009）和（Li et al.,2009）提出结合情感词的先验的基于词典的情感倾向性和训练文本中后验的基于上下文的情感情感倾向性共同判断文本的情感倾向性。（Taboada et al.,2009）提出结合文本的题材（描述，评论，背景，解释等）和文本本身的特征共同判断文本的情感倾向性。（Tsutsumi et al.,2007）提出利用多分类器融合技术来对文本情感分类。（Wan, 2008）和（Wan, 2009）提出结合英文中丰富的情感分析资源来提高中文情感分析的效果。 基于规则/无监督学习
Web文本情感分类研究综述
情报学报 ＩＳＳＮ１０００－０１３５ 第２９卷第５期９３１－９３８，２０１０年１０月 ＪＯＵＲＮＡＬＯＦＴＨＥＣＨＩＮＡＳＯＣＩＥＴＹＦＯＲＳＣＩＥＮＴＩＦＩＣ ＡＮＤＴＥＣＨＮＩＣＡＬＩＮＦＯＲＭＡＴＩＯＮＩＳＳＮ１０００－０１３５Ｖｏｌ．２９ Ｎｏ．５，９３１－９３８Ｏｃｔｏｂｅｒ ２０１０ 收稿日期：２００９年６月２９日 作者简介：王洪伟，男，１９７３年生，博士，副教授桙博导，研究方向：本体建模和情感计算，Ｅ－ｍａｉｌ：ｈｗｗａｎｇ＠ｔｏｎｇｊｉ．ｅｄｕ．ｃｎ。刘勰，男，１９８５年生，硕士研究生，研究方向：数据挖掘与情感计算。尹裴，女，１９８６年生，硕士研究生，研究方向：商务智能。廖雅国，男，１９５４年生，博士，教授，研究方向：人工智能与电子商务。 １） 本文得到国家自然科学基金项目（７０５０１０２４，７０９７１０９９）；教育部人文社会科学资助项目（０５ＪＣ８７００１３）；上海市重点学科建设项目（Ｂ３１０）；香港研究资助局项目（ｐｏｌｙＵ５２３７桙０８Ｅ）资助。 ｄｏｉ：１０．３７７２桙ｊ．ｉｓｓｎ．１０００－０１３５．２０１０．０５．０２３ Ｗｅｂ文本情感分类研究综述 １） 王洪伟１ 刘 勰１ 尹 裴１ 廖雅国 ２ （１畅同济大学经济与管理学院，上海２０００９２；２畅香港理工大学电子计算学系，香港） 摘要 对用户发表在Ｗｅｂ上的评论进行分析， 能够识别出隐含在其中的情感信息，并发现用户情感的演变规律。为此，本文对Ｗｅｂ文本情感分类的研究进行综述。将情感分类划分为三类任务：主客观分类、极性判别和强度判别，对各自的研究进展进行总结。其中将情感极性判别的方法分为基于情感词汇语义特性的识别和基于统计自然语言处理的识别方法。分析了情感分类中的语料库选择和研究难点。最后总结了情感分类的应用现状，并指出今后的研究方向。 关键词 Ｗｅｂ文本 情感分类 综述 主观性文本 ＬｉｔｅｒａｔｕｒｅＲｅｖｉｅｗｏｆＳｅｎｔｉｍｅｎｔＣｌａｓｓｉｆｉｃａｔｉｏｎｏｎＷｅｂＴｅｘｔ ＷａｎｇＨｏｎｇｗｅｉ１ ，ＬｉｕＸｉｅ１ ，ＹｉｎＰｅｉ１ ａｎｄＬｉｕＮ．Ｋ．Ｊａｍｅｓ ２ （１畅ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＴｏｎｇｊｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００９２；２畅ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｉｎｇ，ＨｏｎｇＫｏｎｇＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，ＨｏｎｇＫｏｎｇ） Ａｂｓｔｒａｃｔ Ａｎａｌｙｚｉｎｇｔｈｅｕｓｅｒｓ’ｒｅｖｉｅｗｓｏｎｔｈｅＷｅｂｃａｎｈｅｌｐｕｓｔｏｉｄｅｎｔｉｆｙｕｓｅｒｓ’ｉｍｐｌｉｃｉｔｓｅｎｔｉｍｅｎｔｓａｎｄｆｉｎｄｔｈｅｅｖｏｌｕｔｉｏｎ ｌａｗｓｏｆｔｈｅｉｒｅｍｏｔｉｏｎ．Ｔｏｔｈｉｓｅｎｄ，ｔｈｉｓｐａｐｅｒｉｓａｓｕｒｖｅｙａｂｏｕｔｔｈｅｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｏｎｔｈｅＷｅｂｔｅｘｔ．Ｗｅｄｉｖｉｄｅｄｔｈｅｐｒｏｃｅｓｓｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｔｏｔｈｒｅｅｃａｔｅｇｏｒｉｅｓ：ｓｕｂｊｅｃｔｉｖｅａｎｄｏｂｊｅｃｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｐｏｌａｒｉｔｙｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｉｎｔｅｎｓｉｔｙ ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｒｅｓｐｅｃｔｉｖｅｌｙｓｕｍｍａｒｉｚｅｔｈｅｒｅｓｅｎｔｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｉｎｔｈｅｓｅｆｉｅｌｄｓ．Ｗｅａｌｓｏｓｏｒｔｅｄｔｈｅｍｅｔｈｏｄｓｏｆｐｏｌａｒｉｔｙｉｄｅｎｔｉｆｉｃａｔｉｏｎｉｎｔｏｔｗｏｔｙｐｅｓ：ｏｎｅｉｓｂａｓｅｄｏｎｔｈｅｅｍｏｔｉｏｎａｌｗｏｒｄｓｗｉｔｈｓｅｍａｎｔｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｗｈｉｌｅｔｈｅｏｔｈｅｒｓｔａｔｉｓｔｉｃｍｅｔｈｏｄｓｏｆ ｎａｔｕｒａｌｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇ．Ｗｈａｔｉｓｍｏｒｅ，ｔｈｅｃｈｏｉｃｅｏｆｃｏｒｐｕｓａｎｄｐｏｔｅｎｔｉａｌｒｅｓｅａｒｃｈｐｒｏｂｌｅｍｓａｒｅｄｉｓｃｕｓｓｅｄ．Ａｔｌａｓｔ，ｔｈｉｓｐａｐｅｒ ｓｕｍｍａｒｉｚｅｄｔｈｅｓｔａｔｕｓｑｕｏｏｆａｐｐｌｉｃａｔｉｏｎａｎｄｐｏｉｎｔｅｄｏｕｔｔｈｅｄｉｒｅｃｔｉｏｎｏｆｆｕｔｕｒｅｒｅｓｅａｒｃｈ． Ｋｅｙｗｏｒｄｓ Ｗｅｂｔｅｘｔｓ，ｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｓｕｒｖｅｙ，ｓｕｂｊｅｃｔｉｖｅｔｅｘｔ 随着互联网的流行，Ｗｅｂ文本成为我们获取信 息、发表观点和交流情感的重要来源。特别是随着Ｗｅｂ２畅０技术的发展，网络社区、博客和论坛给网络用户提供了更宽广的平台来交流信息和表达意见。这些文章和言论往往包含有丰富的个人情感，比如 对某部大片的影评，对某款手机的用户体验等，其中 蕴含着巨大的商业价值。如何从这些Ｗｅｂ文本中进行情感挖掘，获取情感倾向已经成为当今商务智能领域关注的热点。所谓情感分析（ｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓ），就是确定说话人或作者对某个特定主题的 — １３９—
情感计算综述
情感计算综述 控制工程1102班李晓宇 2111103172 摘要：情感计算是人工智能的一个分支。情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能。本文分别从情感计算的研究历史、应用前景、研究内容和理论框架来阐述情感计算，以便使更多的人了解情感计算。 关键字: 情感计算；情感识别；情感理论框架 Summary of Affective Computing Abstract：Affective computing is a branch of artificial intelligence. The aim of affective computing is to give computers to recognize, understand, adapt to people's emotional expression and the ability to establish harmonious human environment, and to have higher computer, full of intelligence.This paper explain affective computing through the study of history of affective computing ,applications in the future, research content and theoretical framework, so that more people understand the affective computing. Key word: Affective computing; emotion recognition; the theoretical framework of emotional 1、引言 情感计算的概念是在1997年由MIT媒体实验室Picard教授提出，她指出情感计算是与情感相关，来源于情感或能够对情感施加影响的计算。中国科学院自动化研究所的胡包刚等人也通过自己的研究，提出了对情感计算的定义：“情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能”。 在较长一段时期内，情感一直位于认知科学研究者的视线以外。直到20世纪末期，情感作为认知过程重要组成部分的身份才得到了学术界的普遍认同。当代的认知科学家们把情感与知觉、学习、记忆、言语等经典认知过程相提并论，关于情感本身及情感与其他认知过程间相互作用的研究成为当代认知科学的研究热点，情感计算（ affective computing ）也成为一个新兴研究领域。 众所周知，人随时随地都会有喜怒哀乐等情感的起伏变化。那么在人与计算机交互过程中，计算机是否能够体会人的喜怒哀乐，并见机行事呢？情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统，即赋予计算机像人一样的观察、理解和生成各种情感特征的能力。 2、研究现状 让计算机具有情感能力首先是由美国MIT大学Minsky教授（人工智能创始人之一）提出的。他在1985年的专著《The Society of Mind》中指出，问题不在于智能机器能否有任何情感，而在于机器实现智能时怎么能够没有情感。从此，赋予计算机情感能力并让计算机能够理解和表达情感的研究、探讨引起了计算机界许多人士的兴趣。这方面的工作首推美国MIT 媒体实验室Picard教授领导研究小组的工作。情感计算一词也首先由Picard教授于1997年出版的专著《Affective Computing》中提出并给出了定义，即情感计算是关于情感、情感产生以
开题报告(文献综述)-在线评论分析系统的情感分析
开题报告（文献综述）-在线评论分析系统的情感分析本科毕业设计(论文)开题报告 论文题目在线评论分析系统的情感分析开题报告内容: 一、选题的背景及意义 近年来，在“大数据”(Big Data)时代的背景下，随着电子商务行业的蓬勃发展，网络购物平台、手机APP应用市场平台等不仅为用户提供了大量商品信息，同时还允许用户参与商品评论。它不仅为商家提供了一个信息的展示平台以发布新产品的规格数据，也为消费者提供了一个产品使用体验交流以及质量评价的平台。因此很多网络用户在购买或使用某类产品前，往往会选择先上网浏览一些该产品的相关信息，尤其是其他用户的使用体验，多方比较产品的性能，从而使自己的消费和选择更趋理性化。分析这些评论信息，蕴含着巨大的商业价值和社会价值，具有很大的现实意义。 然而，这些主观性评论文本每天以指数级的速度增长,仅靠人工方式难以进行 收集、处理和分析。因此采用计算机技术来自动地分析这些主观性文本表达的情感,成为目前数据挖掘(Data Mining)研究的一个热点,而这个热点的研究方向就是文本情感分析(Sentiment Analysis)。 文本情感分析，也称为意见挖掘(Opinion Mining)，是指通过分析和挖掘文本中的表达情感、观点和立场的主观性信息并判断其情感倾向。它涉及自然语言处理(Natural Language Processing)、计算机语言学(Computational Linguistics)、机器学习(Machine Learning)、信息检索(Information Retrieval)等众多领域，在计算机科学、管理学、政治学、经济学和社会学方向都有广泛的应用。进入21 世纪以后，情感分析这个领域变得活跃起来，吸引越来越多的学者投入其中。目前
文本情感分类研究综述
Web文本情感分类研究综述 王洪伟/刘勰/尹裴/廖雅国 2012-9-27 14:55:59 来源：《情报学报》（京）2010年5期【英文标题】Review of Sen time nt Classificati on on Web Text 【作者简介】王洪伟，男，1973年生，博士，副教授/博士生导师，研究方向：本体建模和情感计算，E-mail:hwwa ng@t on https://www.360docs.net/doc/235145082.html,.c n 。同济大学经济与管理学院，上海200092; 刘勰，男，1985年生，硕士研究生，研究方向：数据挖掘与情感计算。同济大学经济与管理学院，上海200092; 尹裴，女，1986年生，硕士研究生，研究方向：商务智能。同济大学经济与管理学院，上海200092; 廖雅国，男，1954年生，博士，教授，研究方向：人工智能与电子商务。香港理工大学电子计算学系，香港 【内容提要】对用户发表在Web上的评论进行分析，能够识别出隐含在其中的情感信息，并发现用户情感的演变规律。为此，本文对Web文本情感分类的研究进行综述。将情感分类划分为三类任务：主客观分类、极性判别和强度判别，对各自的研究进展进行总结。其中将情感极性判别的方法分为基于情感词汇语义特性的识别和基于统计自然语言处理的识别方法。分析了情感分类中的语料库选择和研究难点。最后总结了情感分类的应用现状，并指出今后的研究方向。 Analyzing the users' reviews on the Webcan help us to identify users' implicit
sen time nts and find the evoluti on laws of their emoti on. To this end, this paper is a survey about the sen time nt classificati on on the Web text. We divided the process of classificati on into three categories:subjective and objective classification,polarity iden tificati on and in ten sity ide ntificati on and respectively summarize the rese nt research achieveme nts in these fields. We also sorted the methods of polarity identification into two types: one is based on the emotional words with semantic characteristics, while the other statistic methods of natural Ianguage processing. What is more, the choice of corpus and pote ntial research problems are discussed. At last, this paper summarized the status quo of applicatio n and poin ted out the direct ion of future research. 【关键词】Web文本/情感分类/综述/主观性文本Web texts/Sentiment classificati on/Survey/Subjective text 随着互联网的流行，Web文本成为我们获取信息、发表观点和交流情感的重要来源。特别是随着Web2.0技术的发展，网络社区、博客和论坛给网络用户提供了更宽广的平台来交流信息和表达意见。这些文章和言论往往包含有丰富的个人情感，比如对某部大片的影评，对某款手机的用户体验等，其中蕴含着巨大的商业价值。如何从这些Web文本中进行情感挖掘，获取情感倾向已经成为当今商务智能领域关注的热点。所谓情感分析（sentiment analysis），就是确定说话人或作者对某个特定主题的态度。其中，态度可以是他们的判断或者评估，他们（演说、写作时）的情绪状态，或者有意（向受众）传递的情感信息。因此，情感分析的一个重要问题就是情感倾向性的判断，即判断作者的观点是褒义的、积极的，还是贬义的、消极的。这类问题也被称为情感分类(sentiment classification) 。
文本情感分析综述
随着企业信息化与互联网的发展，信息以爆炸性速度飞速增长，其中包括了大量的非结构化与半结构化数据。非结构化与半结构化数据，主要是文本型数据，阐述5w问题，即who，when，where，what，Why。如何充分利用非结构化数据与半结构化数据，分析其包含的潜在信息，拥有支持决策，成为了众多企业与研究者关注的重点。尤其，针对互联网(如博客和论坛)上大量的用户参与的、对于诸如人物、事件、产品等有价值的评论信息。这些评论信息表达了人们的各种情感色彩和情感倾向性，如喜、怒、哀、乐和批评、赞扬等。基于此，潜在的用户就可以通过浏览这些主观色彩的评论来了解大众舆论对于某一事件或产品的看法。由于越来越多的用户乐于在互联网上分享自己的观点或体验，这类评论信息迅速膨胀，仅靠人工的方法难以应对网上海量信息的收集和处理，因此迫切需要计算机帮助用户快速获取和整理这些相关评价信息。因此，如何从这些Web文本中进行情感挖掘，获取情感倾向已经成为当今商务智能领域关注的热点。情感分析(sentiment analysis)技术也就应运而生(本文中提及的情感分析，都是指文本情感分析)。 文本情感分析(sentiment analysis)，又称为意见挖掘，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。其中，主观情感可以是他们的判断或者评价，他们的情绪状态，或者有意传递的情感信息。因此，情感分析的一个主要任务就是情感倾向性的判断，Pang等人在文献1中将情感倾向分为正面、负面和中性，即褒义、贬义和客观评价。研究初期，大量研究者都致力于针对词语和句子的倾向性判断研究，但随着互联网上大量主观性文本的出现，研究者们逐渐从简单的情感词语的分析研究过渡到更为复杂的情感句研究以及情感篇章的研究。文本情感分析主要可以归纳为3项层层递进的研究任务，即情感信息的抽取、情感信息的分类以及情感信息的检索与归纳[2]。情感信息抽取就是将无结构的情感文本转化为计算机容易识别和处理的结构化文本。情感信息分类则是利用情感信息抽取的结果将情感文本单元分为若干类别，供用户查看，如分为褒、贬、客观或者其他更细致的情感类别。情感信息检索和归纳可以看作是与用户直接交互的接口，强调检索和归纳的两项应用。 情感分析是一个新兴的研究课题，具有很大的研究价值和应用价值，正受到国内外众多研究者的青睐。目前实现情感分析的技术主要包括基于机器学习法和基于语义方法两类。本文主要针对这两大方法的研究进展进行比较分析，接着介绍国内外现有的资源建设情况，最后介绍情感分析的几个重要应用和展望它的发展趋势。 1 基于统计机器学习法 随着大规模语料库的建设和各种语言知识库的出现，基于语料库的统计机器学习方法进入自然语言处理的视野。多种机器学习方法应用到自然语言处理中并取得了良好的效果，促进了自然语言处理技术的发展。机器学习的本质是基于数据的学习（Learning from Data）。利用机器学习算法对统计语言模型进行训练，最后用训练好的分类器对新文本情感进行识别。2002年，Pang 等人就在文献[1]中提出用机器学习的方法进行情感倾向的挖掘工作，他们以互联网上的电影评论文本作为语料，采用了不同的特征选择方法，应用朴素贝叶斯（Naive Bayes）、最大熵(Maximum Entropy)、向量机(SVM)对电影评论分别进行分类，实验表明SVM 的分类性能最好，准确率达到87.5%。该研究引起学术界的关注，之后用于倾向性判断的机器学习算法的改进被陆续提出，基本的算法有：支持向量机(SVM)、朴素贝叶斯(NB)、K-近邻(KNN)、简单线性分类器(SLC)和最大熵(ME)等。他们在另一项工作中，将文本极性分类问题转换成求取句子连接图的最小分割问题，实现了一个基于minimum-cut的分类器。[7]。Whitelaw等人[11]关注研究带形容词的词组及其修饰语(如“extremely boring”或“not really verygood”)，他们提取带形容词的词组作为特征，基于这些特征，用向量空间模型表示文
文本情感分析_赵妍妍
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@https://www.360docs.net/doc/235145082.html, Journal of Software, Vol.21, No.8, August 2010, pp.1834?1848 https://www.360docs.net/doc/235145082.html, doi: 10.3724/SP.J.1001.2010.03832 Tel/Fax: +86-10-62562563 ? by Institute of Software, the Chinese Academy of Sciences. All rights reserved. ? 文本情感分析 赵妍妍+, 秦兵, 刘挺 (哈尔滨工业大学计算机科学与技术学院信息检索研究中心,黑龙江哈尔滨 150001) Sentiment Analysis ZHAO Yan-Yan+, QIN Bing, LIU Ting (Center for Information Retrieval, School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) + Corresponding author: E-mail: yyzhao@https://www.360docs.net/doc/235145082.html, Zhao YY, Qin B, Liu T. Sentiment analysis. Journal of Software, 2010,21(8):1834?1848. https://www.360docs.net/doc/235145082.html,/ 1000-9825/3832.htm Abstract: This paper surveys the state of the art of sentiment analysis. First, three important tasks of sentiment analysis are summarized and analyzed in detail, including sentiment extraction, sentiment classification, sentiment retrieval and summarization. Then, the evaluation and corpus for sentiment analysis are introduced. Finally, the applications of sentiment analysis are concluded. This paper aims to take a deep insight into the mainstream methods and recent progress in this field, making detailed comparison and analysis. Key words: sentiment analysis; sentiment extraction; sentiment classification; sentiment retrieval and summarization; evaluation; corpus 摘要: 对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为3项主要任务,即情感信 息抽取、情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分 析的国内外评测和资源建设情况;最后介绍了文本情感分析的应用.重在对文本情感分析研究的主流方法和前 沿进展进行概括、比较和分析. 关键词: 文本情感分析;情感信息抽取;情感信息分类;情感信息的检索与归纳;评测;资源建设 中图法分类号: TP391文献标识码: A 随着Web2.0的蓬勃发展,互联网逐渐倡导“以用户为中心,用户参与”的开放式构架理念.互联网用户由单纯 的“读”网页,开始向“写”网页、“共同建设”互联网发展,并由被动地接收互联网信息向主动创造互联网信息迈进. 因此,互联网(如博客和论坛)上产生了大量的用户参与的、对于诸如人物、事件、产品等有价值的评论信息. 这些评论信息表达了人们的各种情感色彩和情感倾向性,如喜、怒、哀、乐和批评、赞扬等.基于此,潜在的用 户就可以通过浏览这些主观色彩的评论来了解大众舆论对于某一事件或产品的看法.由于越来越多的用户乐 于在互联网上分享自己的观点或体验,这类评论信息迅速膨胀,仅靠人工的方法难以应对网上海量信息的收集 和处理,因此迫切需要计算机帮助用户快速获取和整理这些相关评价信息.情感分析(sentiment analysis)技术应 ?Supported by the National Natural Science Foundation of China under Grant Nos.60803093, 60975055 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2008AA01Z144 (国家高技术研究发展计划(863)) Received 2009-08-14; Revised 2009-12-25; Accepted 2010-03-11