《情感分析：挖掘觀點、情感和情緒》是2017年機械工業出版社出版的圖書，作者是[美] 劉兵（Bing Liu）。
基本介紹
- 書名：情感分析：挖掘觀點、情感和情緒
- 作者：[美] 劉兵（Bing Liu）
- 譯者：劉康 、趙軍譯
- 出版社：機械工業出版社
- 出版時間：2017年09月
- 定價：99 元
- 開本：16 開
- ISBN：9787111574989
- 叢書名：智慧型科學與技術叢書
作者簡介,內容簡介,目錄,
作者簡介
劉兵
美國伊利諾伊大學芝加哥分校（UIC）計算機科學系傑出教授，獲得愛丁堡大學人工智慧博士學位。他是ACM Fellow、AAAI Fellow、IEEE Fellow，曾擔任ACM SIGKDD主席（2013/7/1~2017/6/30）。劉兵教授兩次獲得KDD十年Test-of-Time論文獎，出版多部專著，是數據挖掘、機器學習、情感分析領域最有影響力的學者之一。主要研究領域包括情感分析和觀點挖掘、數據挖掘、機器學習、自然語言處理等。
內容簡介
觀點挖掘與情感分析是自然語言處理領域的一個基礎任務，其基本目標是從文本中識別出觀點，分析其情感傾向性，並抽取相關的觀點要素。對該問題的研究涉及語言學、計算語言學，甚至腦科學、社會學等多個領域，是自然語言處理領域的難點問題之一。同時，隨著社會媒體、電子商務的飛速發展，網際網路上不斷湧現出內容豐富、形式不一的觀點信息，對這些觀點信息進行有效的分析、挖掘並輔助決策已經成為產業界的迫切需求。因此，近年來，無論是學術界還是工業界，都對這一問題表現出極大的熱情和極高的關注度。眾多學者、研究人員提出並構建了大量的觀點挖掘和情感分析算法和系統，使得這一研究領域得到了長足的發展。
觀點挖掘與情感分析包含多個子任務，如情感分類、觀點信息抽取、觀點摘要、觀點檢索等，但是目前對其中的關鍵問題還沒有清晰的定義，也缺乏對處理方法進行系統全面的分析和總結。由美國伊利諾伊大學芝加哥分校劉兵（Bing Liu）教授編著的本書填補了這一空白，是迄今為止觀點挖掘與情感分析領域最權威、最全面的著作之一。書中幾乎涵蓋了觀點挖掘領域的所有內容，既可以作為剛剛進入這一領域的學生、學者、開發者的教材使用，同時也是了解這一領域前沿動態的可靠途徑，是一本理論和實踐相結合、通俗易懂的著作。
目錄
譯者序
前言
致謝
第1章 引言1
1.1 情感分析套用3
1.2 情感分析研究6
1.2.1 針對不同文本顆粒度的情感分析研究7
1.2.2 情感詞典及其問題8
1.2.3 辯論與評論分析9
1.2.4 意圖挖掘9
1.2.5 垃圾觀點檢測與評論質量10
1.3 情感分析是個迷你自然語言處理任務11
1.4 本書撰寫方式11
第2章 什麼是情感分析13
2.1 觀點定義14
2.1.1 觀點的定義14
2.1.2 情感對象15
2.1.3 觀點中的情感16
2.1.4 簡化的觀點定義17
2.1.5 觀點的理由和限定條件19
2.1.6 情感分析的目標和任務20
2.2 觀點摘要定義23
2.3 感情、情緒與心情24
2.3.1 心理學中的感情、情緒與心情25
2.3.2 情感分析中的感情、情緒與心情28
2.4 觀點的不同類型30
2.4.1 常規型觀點和比較型觀點31
2.4.2 主觀的和隱含在事實中的觀點31
2.4.3 第一人稱和非第一人稱觀點34
2.4.4 元觀點35
2.5 作者和讀者視角35
2.6 小結36
第3章 文檔級情感分類37
3.1 基於監督的情感分類38
3.1.1 基於機器學習算法的情感分類38
3.1.2 使用自定義打分函式的情感分類44
3.2 基於無監督的情感分類45
3.2.1 使用句法模板和網頁檢索的情感分類45
3.2.2 使用情感詞典的情感分類46
3.3 情感評分預測48
3.4 跨領域情感分類49
3.5 跨語言情感分類51
3.6 文檔的情緒分類52
3.7 小結53
第4章 句子級主客觀和情感分類54
4.1 主觀性55
4.2 句子級主客觀分類56
4.3 句子級情感分類59
4.3.1 句子級情感分類的前提假設59
4.3.2 分類方法60
4.4 處理條件句61
4.5 處理諷刺句62
4.6 跨語言主客觀分類和情感分類64
4.7 在情感分類中使用語篇信息65
4.8 句子級情緒分類66
4.9 討論67
第5章 屬性級情感分類68
5.1 屬性級情感分類方法69
5.1.1 基於監督學習的方法69
5.1.2 基於詞典的方法70
5.1.3 兩種方法的優缺點72
5.2 情感組合規則73
5.2.1 情感組合規則概述74
5.2.2 情感減弱和情感增強表達81
5.2.3 SMALL_OR_LESS和LARGE_OR_MORE表達83
5.2.4 情緒和情感強度86
5.2.5 情感詞的含義86
5.2.6 其他方法概述88
5.3 否定和情感89
5.3.1 否定詞89
5.3.2 never92
5.3.3 其他常用的情感轉換詞94
5.3.4 否定詞移動現象94
5.3.5 否定範圍95
5.4 情態和情感96
5.5 並列連詞but100
5.6 非觀點內容的情感詞102
5.7 規則表示103
5.8 詞義消歧和指代消解105
5.9 小結106
第6章 屬性和實體抽取108
6.1 基於頻率的屬性抽取109
6.2 利用句法關係110
6.2.1 利用觀點和觀點評價對象間的評價關係111
6.2.2 利用部分整體和屬性關係116
6.3 基於監督學習的屬性抽取118
6.3.1 隱馬爾可夫模型118
6.3.2 條件隨機場119
6.4 隱含屬性的映射121
6.4.1 基於語料庫的方法121
6.4.2 基於詞典的方法122
6.5 屬性聚類124
6.6 基於主題模型的屬性抽取126
6.6.1 隱狄利克雷分配127
6.6.2 基於無監督主題模型進行觀點屬性抽取129
6.6.3 在主題模型中加入領域先驗知識133
6.6.4 基於終身學習的主題模型：像人類一樣學習135
6.6.5 使用短語作為主題詞138
6.7 實體抽取與消解141
6.7.1 實體抽取與消解的問題定義142
6.7.2 實體抽取144
6.7.3 實體連結145
6.7.4 實體搜尋和連結147
6.8 觀點持有者和觀點時間抽取147
6.9 小結148
第7章 情感詞典構建149
7.1 基於詞典的方法149
7.2 基於語料庫的方法152
7.2.1 從語料庫中識別情感詞152
7.2.2 處理上下文相關的情感詞153
7.2.3 詞典自適應155
7.2.4 其他相關工作156
7.3 隱含了情感信息（期望或者不期望）的事實型描述156
7.4 小結158
第8章 比較型觀點分析159
8.1 問題定義159
8.2 比較句識別162
8.3 比較句中的優選實體集識別163
8.4 特殊類型的比較句164
8.4.1 非標準型比較164
8.4.2 交叉類型的比較166
8.4.3 單實體比較167
8.4.4 帶有compare和comparison的句子168
8.5 實體與屬性抽取169
8.6 小結170
第9章 觀點摘要和檢索172
9.1 基於屬性的觀點摘要172
9.2 基於屬性的觀點摘要進階175
9.3 可對照的觀點摘要176
9.4 傳統摘要177
9.5 比較型觀點摘要177
9.6 觀點檢索177
9.7 現有觀點檢索技術178
9.8 小結180
第10章 辯論與評論分析181
10.1 辯論中的立場識別181
10.2 對辯論、討論進行建模184
10.2.1 JTE模型185
10.2.2 JTE-R模型：對回復關係進行建模188
10.2.3 JTE-P模型：考慮作者之間的互動關係189
10.2.4 線上討論的容忍力分析191
10.3 評論建模192
10.4 小結193
第11章 意圖挖掘195
11.1 意圖挖掘定義195
11.2 意圖分類198
11.3 細粒度意圖挖掘200
11.4 小結201
第12章 虛假觀點檢測202
12.1 垃圾觀點的不同類型204
12.1.1 有害虛假評論204
12.1.2 垃圾評論者以及垃圾評論行為的類型205
12.1.3 數據類型、特徵和檢測207
12.1.4 虛假評論和傳統謊言的比較208
12.2 基於監督學習的虛假評論檢測209
12.3 Yelp數據集上基於監督學習的虛假評論識別實驗212
12.3.1 基於語言學特徵的監督學習虛假評論識別212
12.3.2 基於行為特徵的監督學習虛假評論識別213
12.4 異常行為模式的自動發現214
12.4.1 類關聯規則214
12.4.2 單條件規則例外度215
12.4.3 雙條件規則例外度217
12.5 基於模型的行為分析220
12.5.1 基於非典型行為的虛假評論檢測220
12.5.2 基於評論圖的虛假評論檢測221
12.5.3 基於貝葉斯模型的虛假評論檢測221
12.6 群體虛假評論檢測222
12.6.1 群體行為特徵224
12.6.2 群體內的個體行為特徵226
12.7 多ID評論用戶識別227
12.7.1 基於相似度學習的多ID評論用戶識別228
12.7.2 訓練數據準備228
12.7.3 d-特徵和s-特徵229
12.7.4 識別同一用戶的多個ID230
12.8 基於評論爆發檢測的虛假評論識別232
12.9 未來研究方向234
12.10 小結235
第13章 評論的質量236
13.1 把評論質量預測看作一個回歸問題236
13.2 其他方法237
13.3 一些前沿問題238
13.4 小結239
第14章 總結240
附錄244
參考文獻254
索引289
