.338. 智能系统学报 第11卷 邸鹏等)曾提出了基于转折句式的文本分析 0 真实评论 Y= 方法，他们的任务主要是基于长文本的情感分析，所 1, 虚假评论 以考虑上下文的转折关系是很有效的。但是他们的 自变量为X,X2,…,Xm,P表示在m个自变量作用 方法直接应用于评论文本是不合理的，因为评论文 下事件发生的概率。想找到P与自变量的关系，如 本往往是一两句话的超短文本，无从考虑上下文信 果用多元线性回归方程。 息，所以本文提出了基于关联词的分析方法，把分析 Y=b。+b1X1+b2X2+…+bnX。 (1) 的单位缩小到词语级别，着重分析关联词前后的情 无论b:和X,取任何实数，ln(P/Q)值都可以与0~1 感极性，其过程如算法1所示。 范围内的P值相对应。 算法1 Review Text Orientation Analysis =bo+bX,+b2X2+…+bX。(2) 输入Review Text 输出Review Orientation e6o+b1X1+h22t…+bpp P=- 1+eo+6+2+…+6 (3) str←-{ReviewText}; While(str.read()) 我们将所研究的问题转换一个角度，不是直接 For all ie str.Length DO 分析Y与X的关系，而是分析Y取某个值的概率P IF (str.words,Review Dictionary)THEN 与X的关系。令Y为1、0变量，Y=0表示正常评 S0←0：EXIT; 论，Y=1表示虚假评论，X是与虚假评论有关的因 ELSE 素。如果P表示虚假攻击的概率，那么研究虚假攻 IF (str.words,E NegDictionary)THEN 击的概率P与X有关因素的关系就相对简单一些。 IF(count %2 =0)THEN 3.1变量选取的衡量标准 WO,←-W0:; 优势比OR(odds ratio)是流行病衡量危险因素 ELSE WO,←--WO:; 作用大小的比数比例指标，其计算公式为 IF (str.words;E AdjDictionary)THEN P/(1-P) (4) WO.←-WO,*Wadj 0R,P/1-P) 式中：P,和P。分别表示在X,取值为c1及c。存在虚 IF(str.words,E Adversative)THEN 假攻击的概率，OR,称作多变量调整后的优势比，表 W0←--W0:; 示扣除了其他自变量影响后的危险因素的作用。对 END ELSE 比某一个危险因素两个不同暴露水平X=c1与X,= S0= WO,/N=st.Length c。的虚假攻击情况（假设其他因素的水平相同），其 i=1 END FOR 优势比的自然对数为式(5)： END WHILE:; 「P/(1-P) In OR;=In logitP-logitPo P/(1-Po) 3逻辑回归模型 (5) 在现实生活中经常需要分析离散变量问题，本 1 若 文关心的是，哪些因素对虚假检测的影响因素更明 x= 虚假评论 0. 正常评论 显，这类问题实质上是一个回归问题，因变量就是上 ci-co=1 述提到的这些离散变量，自变量X是与之有关的一 则 些因素。因为因变量是离散的，不能直接使用线性 OR,expB, 回归分析方法解决，这时最好的解决方案是Logistic =0, OR=1无作用 回归模型，它对因变量的分布没有要求。与线性回 B>0, OR,>1虚假评论 (6) 归分析相似，Logistic回归分析的基本原理就是利用 <0, OR<1正常评论 一组数据拟合一个Logistic回归模型，然后借助这个 3.2变量选择 模型揭示总体中若干个自变量与一个因变量取某个 使用逻辑回归模型时，主要有3种选择变量的 值的概率之间的关系。因变量Y是一个二值变量， 方式：前向选择、后向选择和逐步回归。本文采用逐 取值为 步回归的方式进行变量选择，其基本思想是逐个引邸鹏等［１３］曾提出了基于转折句式的文本分析 方法，他们的任务主要是基于长文本的情感分析，所 以考虑上下文的转折关系是很有效的。 但是他们的 方法直接应用于评论文本是不合理的，因为评论文 本往往是一两句话的超短文本，无从考虑上下文信 息，所以本文提出了基于关联词的分析方法，把分析 的单位缩小到词语级别，着重分析关联词前后的情 感极性，其过程如算法 １ 所示。 算法 １ Ｒｅｖｉｅｗ Ｔｅｘｔ Ｏｒｉｅｎｔａｔｉｏｎ Ａｎａｌｙｓｉｓ 输入 Ｒｅｖｉｅｗ Ｔｅｘｔ 输出 Ｒｅｖｉｅｗ Ｏｒｉｅｎｔａｔｉｏｎ ｓｔｒ←{ＲｅｖｉｅｗＴｅｘｔ} ； Ｗｈｉｌｅ（ｓｔｒ．ｒｅａｄ（）） Ｆｏｒ ａｌｌ ｉ∈ｓｔｒ．Ｌｅｎｇｔｈ ＤＯ ＩＦ （ｓｔｒ．ｗｏｒｄｓｉ∉Ｒｅｖｉｅｗ Ｄｉｃｔｉｏｎａｒｙ） ＴＨＥＮ ＳＯ←０；ＥＸＩＴ； ＥＬＳＥ ｛ ＩＦ （ｓｔｒ．ｗｏｒｄｓｉ∈ＮｅｇＤｉｃｔｉｏｎａｒｙ） ＴＨＥＮ ＩＦ（ｃｏｕｎｔ ％ ２ ＝ ＝ ０） ＴＨＥＮ ＷＯｉ←ＷＯｉ； ＥＬＳＥ ＷＯｉ←－ＷＯｉ； ＩＦ （ｓｔｒ．ｗｏｒｄｓｉ∈ＡｄｊＤｉｃｔｉｏｎａｒｙ）ＴＨＥＮ ＷＯｉ←ＷＯｉ∗Ｗａｄｊ ＩＦ（ｓｔｒ．ｗｏｒｄｓｉ∈Ａｄｖｅｒｓａｔｉｖｅ） ＴＨＥＮ ＷＯｉ←－ＷＯｉ； ＥＮＤ ＥＬＳＥ ＳＯ ＝ ∑ Ｎ ｉ ＝ １ ＷＯｉ ／ ／ Ｎ＝ ｓｔｒ．Ｌｅｎｇｔｈ ＥＮＤ ＦＯＲ ； ＥＮＤ ＷＨＩＬＥ； ３ 逻辑回归模型 在现实生活中经常需要分析离散变量问题，本 文关心的是，哪些因素对虚假检测的影响因素更明 显，这类问题实质上是一个回归问题，因变量就是上 述提到的这些离散变量，自变量 Ｘ 是与之有关的一 些因素。 因为因变量是离散的，不能直接使用线性 回归分析方法解决，这时最好的解决方案是 Ｌｏｇｉｓｔｉｃ 回归模型，它对因变量的分布没有要求。 与线性回 归分析相似，Ｌｏｇｉｓｔｉｃ 回归分析的基本原理就是利用 一组数据拟合一个 Ｌｏｇｉｓｔｉｃ 回归模型，然后借助这个 模型揭示总体中若干个自变量与一个因变量取某个 值的概率之间的关系。 因变量 Ｙ 是一个二值变量， 取值为 Ｙ ＝ ０， 真实评论 {１， 虚假评论 自变量为 Ｘ１ ，Ｘ２ ，…，Ｘｍ ，Ｐ 表示在 ｍ 个自变量作用 下事件发生的概率。 想找到 Ｐ 与自变量的关系，如 果用多元线性回归方程。 Ｙ＾ ＝ ｂ０ ＋ ｂ１Ｘ１ ＋ ｂ２Ｘ２ ＋ … ＋ ｂｐＸｐ （１） 无论 ｂｉ 和 Ｘｉ 取任何实数，ｌｎ(Ｐ ／ Ｑ) 值都可以与 ０ ～ １ 范围内的 Ｐ 值相对应。 ｌｎ Ｐ Ｑ æ è ç ö ø ÷ ＝ ｂ０ ＋ ｂ１Ｘ１ ＋ ｂ２Ｘ２ ＋ … ＋ ｂｐＸｐ （２） Ｐ ＝ ｅ ｂ０ ＋ｂ１Ｘ１ ＋ｂ２Ｘ２ ＋…＋ｂｐＸｐ １ ＋ ｅ ｂ０ ＋ｂ１Ｘ１ ＋ｂ２Ｘ２ ＋…＋ｂｐＸｐ （３） 我们将所研究的问题转换一个角度，不是直接 分析 Ｙ 与 Ｘ 的关系，而是分析 Ｙ 取某个值的概率 Ｐ 与 Ｘ 的关系。 令 Ｙ 为 １、０ 变量，Ｙ ＝ ０ 表示正常评 论，Ｙ ＝ １ 表示虚假评论，Ｘ 是与虚假评论有关的因 素。 如果 Ｐ 表示虚假攻击的概率，那么研究虚假攻 击的概率 Ｐ 与 Ｘ 有关因素的关系就相对简单一些。 ３．１ 变量选取的衡量标准 优势比 ＯＲ（ｏｄｄｓ ｒａｔｉｏ）是流行病衡量危险因素 作用大小的比数比例指标，其计算公式为 ＯＲｊ ＝ Ｐ１ ／ （１ － Ｐ１ ） Ｐ０ ／ （１ － Ｐ０ ） （４） 式中：Ｐ１ 和 Ｐ０ 分别表示在 Ｘｊ 取值为 ｃ１ 及 ｃ０ 存在虚 假攻击的概率，ＯＲｊ 称作多变量调整后的优势比，表 示扣除了其他自变量影响后的危险因素的作用。 对 比某一个危险因素两个不同暴露水平 Ｘｊ ＝ ｃ１ 与 Ｘｊ ＝ ｃ０ 的虚假攻击情况（假设其他因素的水平相同），其 优势比的自然对数为式（５）： ｌｎ ＯＲｊ ＝ ｌｎ Ｐ１ ／ １ － Ｐ１ ( ) Ｐ０ ／ １ － Ｐ０ ( ) é ë ê ê ù û ú ú ＝ ｌｏｇｉｔＰ１ － ｌｏｇｉｔＰ０ （５） 若 Ｘｊ ＝ １， 虚假评论 {０， 正常评论 ｃ１ －ｃ０ ＝ １ 则 ＯＲｊ ＝ ｅｘｐβｊ βｊ ＝ ０， ＯＲｊ ＝ １ 无作用 ＞ ０， ＯＲｊ ＞ １ 虚假评论 ＜ ０， ＯＲｊ ＜ １ 正常评论 ì î í ï ï ï ï （６） ３．２ 变量选择 使用逻辑回归模型时，主要有 ３ 种选择变量的 方式：前向选择、后向选择和逐步回归。 本文采用逐 步回归的方式进行变量选择，其基本思想是逐个引 ·３３８· 智 能 系 统 学 报 第 １１ 卷