·646 智能系统学报 第12卷 (或情感分析)【]已成为社会媒体分析挖掘领域的 OCC情感模型的观点挖掘方法。 一个核心研究课题，其研究成果已应用于用户观点 1 情感的认知结构模型OCC 发现、产品评论分析及社会舆情监控等领域，并在 推动社会和谐发展、改善人们生活方面发挥重要 认知评估理论[02]是认知心理学研究中最为 作用)。 成熟和影响最广的情感理论。认知评估理论认为 互联网中的文本数据大致可以分为两类：一类 评估过程是个体评价其与所处环境间的关系，包括 用来陈述客观性的事实，另一类用来表达主观性的 目前的条件、导致当前状态的事件和对未来的预 观，点。相对于客观性的事实数据，主观性的观点数 期。评估理论认为评估本身尽管不是一个慎思的 据由于其内在的复杂性，在研究方法和技术上与前 过程，但其确实由认知的过程提供信息，尤其是那 者区别较大。目前观点挖掘分为两类工作：识别观 些参与理解和与环境交互的过程。评估将这些异 点的正负极性和文本中的情感类型。文本中的情 类过程的特征映射到一个共同的中介术语集（即维 感类型比正负极性包含更为丰富的信息，因而挖掘 度变量)。这些维度变量作为个体与环境之间关系 文本中的情感类型更具有挑战性，但往往需要大量 的中介描述，在刺激源和反应之间进行协调。维度 的手工标注数据，并且所获得的情感类型常常缺乏 变量刻画了对个体而言事件的重要特征。 可解释性。 认知评估理论中的不同情感模型采用了不同 挖掘观点正负极性的方法主要有文档级观点 的情感维度变量，但它们所使用的情感维度变量间 挖掘)、语句级观点挖掘s-】、基于情感对象特征 有很大的相似性，其中文献[23]工作中的分类最 的观点挖掘o等。Turney!提出了一种利用非监 全，包括相关性(relevance)、合意性(desirability)、行 督学习方法计算词之间的互信息(PM)来判断整个 动性(actionability)、责备/褒奖(praise/blame- 文档的正负极性。Pang等[)提出采用多种机器学 worthiness)、可能性(likelihood)、意外性 习方法分类每篇电影评论的正负极性。Wiebe等[] (unexpectedness)、自我投入(ego-involvement)、可 通过大量数据集学习线索和特征，区分主观观点和 控性(controllability)、权力(power)、适应性 客观事实，并在语句级判断观点的正负极性。Zhang (adaptability)。 等)提出利用词之间的依赖关系分析中文语句的 不同的情感维度变量及其取值产生不同的情 正负倾向性。H山等[)利用频繁挖掘算法获得情感 感类型。比如，在一个具体的经济环境下，“赔钱” 对象特征，再利用语义词典确定情感词的正负极 是个不合人意的事件，并导致负性情感评估。在此 性，从而输出针对每个情感对象特征的相关正负 情形下，其他变量的不同取值可引发不同的情感评 评论。 估。诸如，如果可能性是不确定的，引发“恐惧” 挖掘文本中情感类型的方法主要包括基于统 (fear)情感，否则引发“悲伤”(distress)情感。自我 计的方法[)、机器学习方法[13-6]、基于情感结构/ 的行动带来应受到责备的行为后果引发“羞耻” 模型的方法[16-]等。基于机器学习的情感类型挖 (shame),如果事件是不合己意的，则带来“悔恨” 掘工作主要采用分类学习算法[13-14,6,18- (remorse)。如果不合己意的事件带来的后果是他 Mostafa[7J提出了一种基于情感模型的方法，该方法 人应受到责备的行为引发的，则导致“生气” 利用大量的手工标注数据，并基于主要的情感变量 (anger)情感。 计算语句中几乎所有词的情感变量值，进而计算得 OCC情感模型[2]是认知心理学中经典的情感 到整个语句的情感类型。但是，这种方法不但需要 认知结构模型，也是在计算领域近年来采用最多的 大量人力，费时费力，而且不加区分地计算句子中 心理学情感模型，在情感的计算建模中有着非常广 出现的词，导致该方法的效率和性能较低。 泛的应用。 综上，观点倾向性的传统挖掘方法主要关注观 OCC情感模型的整个层次结构主要包括3个 点的正负极性而忽略了其丰富的情感类型：已有的 部分：与事件结果相关的情感，与智能体行为相关 情感类型挖掘尽管能够输出丰富的情感类型，但是 的情感和与对象属性相关的情感。这3个部分也可 需要大量的标注数据支持。此外，以往工作几乎都 以结合起来组合成更为复杂的情感类型。该模型 未考虑情感认知理论模型在观点挖掘和情感分析 共描述了22种不同情感类型的认知结构。OCC模 中的重要作用。因此，为了更好地实现从网上文本 型中每个情感类型的出现都由一定的条件触发，这 数据中挖掘出丰富的情感类型，文中提出一种基于 些条件通过不同的情感维度值表达。其中，“合意（或情感分析） ［１－２］已成为社会媒体分析挖掘领域的 一个核心研究课题，其研究成果已应用于用户观点 发现、产品评论分析及社会舆情监控等领域，并在 推动社会和谐发展、改善人们生活方面发挥重要 作用［３］ 。 互联网中的文本数据大致可以分为两类：一类 用来陈述客观性的事实，另一类用来表达主观性的 观点。 相对于客观性的事实数据，主观性的观点数 据由于其内在的复杂性，在研究方法和技术上与前 者区别较大。 目前观点挖掘分为两类工作：识别观 点的正负极性和文本中的情感类型。 文本中的情 感类型比正负极性包含更为丰富的信息，因而挖掘 文本中的情感类型更具有挑战性，但往往需要大量 的手工标注数据，并且所获得的情感类型常常缺乏 可解释性。 挖掘观点正负极性的方法主要有文档级观点 挖掘［３－４］ 、语句级观点挖掘［５－８］ 、基于情感对象特征 的观点挖掘［９－１０］等。 Ｔｕｒｎｅｙ ［４］提出了一种利用非监 督学习方法计算词之间的互信息（ＰＭＩ）来判断整个 文档的正负极性。 Ｐａｎｇ 等［３］ 提出采用多种机器学 习方法分类每篇电影评论的正负极性。 Ｗｉｅｂｅ 等［８］ 通过大量数据集学习线索和特征，区分主观观点和 客观事实，并在语句级判断观点的正负极性。 Ｚｈａｎｇ 等［１１］提出利用词之间的依赖关系分析中文语句的 正负倾向性。 Ｈｕ 等［９］ 利用频繁挖掘算法获得情感 对象特征，再利用语义词典确定情感词的正负极 性，从而输出针对每个情感对象特征的相关正负 评论。 挖掘文本中情感类型的方法主要包括基于统 计的方法［１２］ 、机器学习方法［１３－１６］ 、基于情感结构／ 模型的方法［１６－１７］ 等。 基于机器学习的情感类型挖 掘 工 作 主 要 采 用 分 类 学 习 算 法［１３－１４，１６，１８－１９］ 。 Ｍｏｓｔａｆａ ［１７］提出了一种基于情感模型的方法，该方法 利用大量的手工标注数据，并基于主要的情感变量 计算语句中几乎所有词的情感变量值，进而计算得 到整个语句的情感类型。 但是，这种方法不但需要 大量人力，费时费力，而且不加区分地计算句子中 出现的词，导致该方法的效率和性能较低。 综上，观点倾向性的传统挖掘方法主要关注观 点的正负极性而忽略了其丰富的情感类型；已有的 情感类型挖掘尽管能够输出丰富的情感类型，但是 需要大量的标注数据支持。 此外，以往工作几乎都 未考虑情感认知理论模型在观点挖掘和情感分析 中的重要作用。 因此，为了更好地实现从网上文本 数据中挖掘出丰富的情感类型，文中提出一种基于 ＯＣＣ 情感模型的观点挖掘方法。 １ 情感的认知结构模型 ＯＣＣ 认知评估理论［２０－２３］ 是认知心理学研究中最为 成熟和影响最广的情感理论。 认知评估理论认为 评估过程是个体评价其与所处环境间的关系，包括 目前的条件、导致当前状态的事件和对未来的预 期。 评估理论认为评估本身尽管不是一个慎思的 过程，但其确实由认知的过程提供信息，尤其是那 些参与理解和与环境交互的过程。 评估将这些异 类过程的特征映射到一个共同的中介术语集（即维 度变量）。 这些维度变量作为个体与环境之间关系 的中介描述，在刺激源和反应之间进行协调。 维度 变量刻画了对个体而言事件的重要特征。 认知评估理论中的不同情感模型采用了不同 的情感维度变量，但它们所使用的情感维度变量间 有很大的相似性，其中文献［２３］ 工作中的分类最 全，包括相关性（ｒｅｌｅｖａｎｃｅ）、合意性（ｄｅｓｉｒａｂｉｌｉｔｙ）、行 动 性 （ ａｃｔｉｏｎａｂｉｌｉｔｙ ）、 责 备／ 褒 奖 （ ｐｒａｉｓｅ ／ ｂｌａｍｅ⁃ ｗｏｒｔｈｉｎｅｓｓ ）、 可 能 性 （ ｌｉｋｅｌｉｈｏｏｄ ）、 意 外 性 （ｕｎｅｘｐｅｃｔｅｄｎｅｓｓ）、自我投入（ ｅｇｏ －ｉｎｖｏｌｖｅｍｅｎｔ）、可 控 性 （ ｃｏｎｔｒｏｌｌａｂｉｌｉｔｙ ）、 权 力 （ ｐｏｗｅｒ ）、 适 应 性 （ａｄａｐｔａｂｉｌｉｔｙ）。 不同的情感维度变量及其取值产生不同的情 感类型。 比如，在一个具体的经济环境下，“赔钱” 是个不合人意的事件，并导致负性情感评估。 在此 情形下，其他变量的不同取值可引发不同的情感评 估。 诸如，如果可能性是不确定的，引发 “ 恐惧” （ｆｅａｒ）情感，否则引发“悲伤” （ ｄｉｓｔｒｅｓｓ）情感。 自我 的行动带来应受到责备的行为后果引发“ 羞耻” （ｓｈａｍｅ），如果事件是不合己意的，则带来“悔恨” （ｒｅｍｏｒｓｅ）。 如果不合己意的事件带来的后果是他 人应受 到 责 备 的 行 为 引 发 的， 则 导 致 “ 生 气” （ａｎｇｅｒ）情感。 ＯＣＣ 情感模型［２１］ 是认知心理学中经典的情感 认知结构模型，也是在计算领域近年来采用最多的 心理学情感模型，在情感的计算建模中有着非常广 泛的应用。 ＯＣＣ 情感模型的整个层次结构主要包括 ３ 个 部分：与事件结果相关的情感，与智能体行为相关 的情感和与对象属性相关的情感。 这 ３ 个部分也可 以结合起来组合成更为复杂的情感类型。 该模型 共描述了 ２２ 种不同情感类型的认知结构。 ＯＣＣ 模 型中每个情感类型的出现都由一定的条件触发，这 些条件通过不同的情感维度值表达。 其中，“合意 ·６４６· 智 能 系 统 学 报 第 １２ 卷