中文评价对象提取以及NLP基础

前言

在CNCC开会的时候，收到一个问询：中文评价对象抽取的方法和开源工具。一番谷歌度娘论文阅读，撰文如下，欢迎指正。

任务界定

情感分析主要是针对主观性文本单元自动获取有价值的意见信息,是一个新颖且非常有应用价值的研究课题^[1]。评价对象抽取和倾向性分析属于情感分析的两个子任务。
一句商品评论如：为发烧而生的手机，非常的亲民，速度非常的快，手感很轻柔，很舒服。摄像效果惊人，夜景效果非常的好，小米係统的很多功能我正在探索中，很好玩。是一款低调奢华有内涵的好手机，为雷军大赞。为京东的快递小哥也点个满意的赞。

抽取结果:
目标对象：小米手机（银3GB 64GB）
评价对象：（速度）快，（手感）轻柔，（摄像效果）好……
倾向性：五星好评

解决方案

基线方案

以2010年刘鸿宇等的工作^[1]（研究情感句中的评价对象抽取及其情感倾向性判断任务; 作为基础入门，哈工大的综述文本情感分析值得^[2]强烈推荐）作为传统解决方案的例子。刘将任务分为两个主要阶段：
1. 自动识别情感句中的评价对象
2. 判别情感句中评价对象的情感倾向性
刘鸿宇等认为于评价对象的获取,已有的方法主要可以归为两类:人工构建^[3]和关联规则挖掘^[4-5]
判断情感极性主要是：有监督方法（Kim和Hovy使用词、位置以及情感词三类特征来对情感句进行分类^[6]、赵军等人使用CRF和冗余标签对句子序列进行情感倾向性标注^[7]）、无监督方法（基于句法规则的方法^[3,5]）
刘等采用的是无监督的方法，在第一届中文倾向性分析评测取得优秀结果。系统框架图如下所示
刘的大体思路是：
1使用句法分析，找出名词和名词短语作为候选的评价对象
2使用三种过滤技术(词频过滤、PMI过滤、名词裁剪)削减候选集合，主要思路还是设置不同的阈值依靠出现频率和共现频率删除候选集（不停的试错）
3句子划分成四类，基于规则，比如情感词的的级性、数量（否定词）、上下文级性。
句子带有明显的倾向性,即句子中带有一种倾向性的上下文无关情感词明显多于另一种
句子不带有明显的倾向性,但句子中含有情感词,且褒义和贬义情感词的个数相同
句子不带有明显的倾向性,且句子中没有情感词,但其上下文的句子带有