[[alternative]]A study on opinion dictionary expansion based on Part-of-Speech combination

碩士[[abstract]]許多以字典為基礎之意見分析的研究，會採用不同的領域文章作為研究語料，然而常用於學術研究之HowNet與NTUSD…等意見字典，其應用對象為通用中文文章，缺少特定領域意見詞彙。因此，許多研究者在使用特定領域的研究語料時，會透過人工方式擴增意見詞，雖然詞彙正確率高，但要提升意見詞彙之涵蓋率，就必須耗費相當多人力，缺乏效率。本研究建置一套基於詞性組合的詞彙擴增雛型系統，實踐意見詞彙擴增流程，並以美食和美妝領域的產品評論當作研究語料，透過詞性組合抽取候選的領域意見詞彙，並進行詞彙相似度分群後，透過計算之目標領域內的代表詞過濾無效的候選意見詞彙。最後在意見詞彙正負極性判斷部分，本研究自HowNet與NTUSD內選取正負情感種子詞彙，並以意見詞彙與種子詞彙的平均距離做為權重進行基於語料庫的SO-PMI運算，決定候選意見詞彙的正負情感傾向，以產生領域意見字典。經本研究涵蓋率與文章情感分類實驗之結果顯示，將HowNet與NTUSD結合本研究之所擴增之意見詞彙後，於美食領域中，意見詞彙涵蓋率約提升了11%，文章情感分類之準確率則提升約5%，美妝領域則是詞彙涵蓋率提升約17%、準確率提升約6%，綜合實驗結果可證明意見詞彙涵蓋率的提升對於意見分析有正面之影響。期望本研究對於使用特定領域文章作為研究語料之情形，可以提升詞彙涵蓋率並增加意見分析之成效。[[abstract]]A great number of dictionary-based research based on dictionary and diverse article. However, there are few Chinese opinion dictionaries from specific domain. Therefore, many researcher expanse Chinese opinion dictionary manually. Though it reached high accuracy and coverage but expensive and low efficiency. The study developed a prototype based on the combination of Part-of-Speech to expand the opinions words with the reviews from iPeen, TripAdvisor, Yelp, UrCosme and FashionGuide. In addition, we extract the candidate domain opinion words with Part-of-Speech, and use the average distance with opinion words for the calculation of SO-PMI. And then, the study according to the result to determined sentiment tendency and opinion word generation. The present study expect the improvement of coverage and opinion analysis with the article from specific domain.[[tableofcontents]]目錄 第一章 導論...1 1.1 研究背景與動機...1 1.2 研究目的...2 1.3論文架構...3 第二章 文獻探討...5 2.1 意見分析...5 2.2 意見字典...6 2.2.1 NTUSD (National Taiwan University Sentiment Dictionary)...7 2.2.2 知網-HowNet 意見字典...8 2.3 意見詞抽取與擴增...9 2.3.1 基於字典...9 2.3.2 基於語料庫...10 2.4 意見極性判斷...12 2.4.1 基於字典...12 2.4.2 基於語料庫...13 2.5 意見詞彙的擴增與意見分析準確度...15 2.6 分群技術...16 第三章 研究方法...18 第四章 雛形系統建置...20 4.1 自動化擷取目標網站評論...21 4.2 資料預處理...22 4.3 領域代表性...24 4.4 意見詞彙抽取...27 4.5 意見詞彙相似度分群...29 4.6 無效意見辭彙過濾...32 4.7 意見詞情感傾向...33 4.7.1 正負向種子詞彙選取...33 4.7.2 SO-PMI...34 4.8 雛型系統成果與小結...36 第五章 實驗與討論...40 5.1 字典涵蓋率驗證...40 5.1.1 實驗資料集...40 5.1.2 實驗步驟與評估標準...41 5.1.3 評分一致性...43 5.1.4 涵蓋率評估結果與討論...46 5.2 基於意見字典之情感分類實驗...48 5.2.1 實驗流程...48 5.2.2 特徵值建立與選取...50 5.2.3 實驗結果與討論...52 第六章 結論及未來發展...55 6.1 結論...55 6.2 研究限制...56 6.3 未來展望...56 參考文獻...58 =============================== 表目錄 表 2-1：意見分析的研究層級...5 表 2-2：NTUSD所收納的字典與詞彙數量列表...7 表 2-3：NTUSD所收納之詞彙範例...8 表 2-4：知網情感分析用語詞集詞彙數量與範例...8 表 2-5：本研究所採用的一般通用意見字典...9 表 2-6：Turney-五大英文意見詞性組合...10 表 2-7：意見辭彙詞性組合...11 表 2-8：包含意見詞之句法結構...12 表 2-9：編輯距離演算法整理...17 表 4-1：本研究所用之評論文章與產品店家數量表...21 表 4-2：Jieba詞性表...22 表 4-3：Jieba斷詞與詞性標註結果...24 表 4-4：領域代表詞彙計算結果...26 表 4-5：詞性組合對應示意...27 表 4-6：抽取成語意見詞彙之規則...28 表 4-7：形容詞詞性組合...28 表 4-8：Levenshtein Distance結合Single-Pass分群之結果示意(部分)...31 表 4-9：意見詞彙相似度分群時間效益測試...31 表 4-10：美食與美妝領域的前五大代表詞彙...32 表 4-11：美食與美妝領域正負向情感種子...34 表 4-12：本研究所擴增之領域意見詞彙數量...36 表 4-13：一般通用意見字典(NTUSD、HowNet)+擴增後之領域意見詞彙數量...37 表 4-14：本研究所產生的領域意見詞彙...37 表 4-15：本研究所產生的領域意見詞彙字數分佈統計...37 表 4-16 透過成語詞性組合找出的領域意見詞彙數量...38 表 4-17：透過成語詞性組合找出的領域意見詞彙...38 表 4-18：與通用字典詞彙極性相反之案例...38 表 5-1：詞彙涵蓋率相關文獻...42 表 5-2：相關係數的值與關係程度...44 表 5-3：驗證結果示意...45 表 5-4：Pearson係數一致性結果...45 表 5-5：涵蓋率結果與領域、文章類型分類比較...46 表 5-6：評分定義...49 表 5-7：特徵值列表...50 表 5-8：特徵集合列表...51 表 5-9：十次交叉驗證特徵值檢定結果...51 表 5-10：混淆矩陣...52 表 5-11：情感分類準確率結果...53 表 5-12：情感分類準確率結果...54 =============================== 圖目錄 圖 1-1：研究流程圖 ...4 圖 3-1：系統發展研究流程...18 圖 4-1：系統架構與步驟...20 圖 5-1：實驗流程圖...49[[note]]學號: 604630011, 學年度: 10