Automatic Extraction of Intra- and Inter- Word Syntactic Structures for Chinese Opinion Analysis

本研究之宗旨在於「將語法資訊引入意見分析中，改善其效能」。主要分為兩部分：詞內層次與詞間層次。內層次方面，本研究首先參考各家分類方式，制定出一構詞分類架構，繼而就此架構展開語料標記工作。語料標記完成後，我們除對構詞類別分佈狀態進行統計外，亦對標記者間之答案ㄧ致性與人工標記時於各構詞類別之判定效能作了分析。分析結果顯示標記者間兩兩一致性係數（Kappa）均屬於「高度一致」範圍，肯認了此問題之信度。最後我們以《教育部國語辭典》之資訊為特徵值，於標記完成之語料集上以各種不同分類方法進行實驗，其中以條件隨機域模型（CRF）之效能最佳，對五大基本構詞類別可達到平均F分數為0.6的效能。間層次方面，本研究首先比較意見句與非意見句之依存關係數量，藉此證實意見句之語法結構確有其特殊性；繼而對所有意見句之語法分析樹展開「標示意見結構」之標記工作，共標記約一萬餘句意見句，每句至少由兩位工讀生標記之。其標記結果一則可轉換為依存關係，從而比較句中「表達意見」之結構的特殊性，並歸納出14種較常用於意見表達之依存關係；另一方面，標記結果亦可直接於語法分析樹上進行預測。本研究將問題簡化為序列式標記問題，以條件隨機域模型直接於語法樹上標示出意見結構位置。並得到精確度（precision）極高、回收率（recall）偏低之實驗結果。後本研究亦將前述之詞內與詞間語法結構資訊施用於意見分析系統中，經實驗證實，此資訊確可改善目前之意見分析效能，致使意見句判斷達到0.8之F分數、意見詞極性判斷達到0.6之F分數。誌謝 i要 iii錄 v目錄 ix目錄 xi一章、緒論 1.1 研究動機 1.2 研究目的 2.3 論文架構 2二章、文獻探討 3.1 中文文本意見分析 3.1.1. 以經驗方法為基礎的中文文本意見分析 3.1.2. 語法結構資訊於中文文本意見分析之應用 3.2 中文語法結構研究及其自動剖析 4.2.1. 詞內層次 4.2.1.1. 中國大陸地區 4.2.1.1.1. 北京大學（俞士汶、朱學鋒等） 5.2.1.1.2. 清華大學（苑春法、黃昌寧等） 6.2.1.1.3. 魯東大學（亢世勇等） 7.2.1.2. 國際研討會 8.2.2. 詞間層次 9.2.2.1. 賓州大學樹庫（Penn Treebank）5.1版 9.2.2.2. 依存關係樹 9.2.2.3. 史丹佛語法分析套件 9三章、中文詞內部語法結構自動分類 11.1 問題敘述 11.2 二字詞內部語法結構分類及其理論歧異 13.3 詞彙語料標記 17.3.1. 語料標記及過濾 17.3.2. 標記結果分析與文獻比較 19.4 二字詞內部結構自動分類 26.4.1. 特徵值抽取 27.4.1.1. 《教育部重編國語辭典修訂本》簡介 28.4.1.2. 使用之特徵值 30.4.2. 分類方法 35.4.2.1. 支援向量機（SVM）分類法 35.4.2.2. 條件隨機域（CRF）分類法 35.4.2.3. 單純貝氏（Naive Bayes）分類法 36.4.2.4. 簡單機率分類法 36.4.2.5. 表格分類法 38.5 分類效能評估 39.5.1. 實驗設定 39.5.2. 實驗結果 40.5.3. 討論 42.6 小結 43四章、中文詞詞間結構自動擷取 45.1 問題敘述 45.2 基本定義：意見句與意見段落 46.2.1. 意見句與意見詞 46.2.2. 意見段落 47.3 問題初探：意見句及非意見句之依存關係樹比較 47.3.1. 意見句標記 47.3.2. 意見句及非意見句依存關係樹分佈比較 48.4 中文詞詞間結構語料標記 50.4.1. 標記目的及使用語料 50.4.2. 詞間結構定義與分類 52.4.3. 標記方法暨「潘恩標記系統」（Pan Annotation System） 54.5 語料分析 57.5.1. 原始標記結果分析 57.5.2. 依存關係分析 60.5.2.1. 依存關係轉換方法 60.5.2.2. 轉換結果統計及分析 62.6 詞間結構自動擷取 64.6.1. 自動擷取方法 64.6.2. 特徵值抽取 66.6.3. 結構自動擷取效能評估 67.6.3.1. 實驗設定 67.6.3.2. 序列類型判斷 67.6.3.3. 直接擷取腳點 70.6.3.4. 討論 71.7 小結 71五章、語法結構應用於意見分析研究 73.1 使用構詞資訊之中文詞意見自動分析 73.2 使用詞間結構資訊之中文句子層次意見分析 76六章、總結與展望 79考文獻 81錄A：常用譯名對照表 87錄B：未使用之賓大樹庫句子清單 8