發展新語意導向指標以分類部落客之語意

Developing New Semantic Orientation Indexes for

Classifying Bloggers’ Sentiments

摘要

對於一些以內容為主的溝通工具例如部落格(Blogs)，情緒的辨識 (Recognizing Emotion) 顯的格外重要。在網路空間的企業部落格中，部落客所給予產品的負面內容或評價將會散播的非常迅速。而且，在部落格圈(Blogosphere)中揭露一些不為人知的企業內幕，將可能會影響到公司的商譽。而這些負面的內容通常會傷害到企業，甚至可能造成更大的損害。近幾年，有許多研究學者專注於情感分類(Sentiment Classification)的研究上。有效地辨識客戶的負面內容，將可協助企業小心地回應客戶的內容。本文目的主要有(1)發展一個新的語意導向指標，即“語意導向-結合PMI 與LSA”(Semantic Orientation from Combining PMI with LSA；SO-CPL)，有效地改善傳統語意指標的分類效率。(2)結合機器學習(包含倒傳遞類神經網路、支援向量機與貝氏分類器)及資訊檢索技術的優點，以提出三個新穎的、以機器學習為主的語意導向指標。以協助企業迅速地、有效率地偵測具有傷害的負面部落格內容。實驗結果顯示，我們所提出的方法皆優於先前傳統的方法，包含倒傳遞類神經網路(Back-Propagation Neural Network；BPN)、支援向量機(support vector machines；SVM)、貝氏分類器(Navie-Bayes Classifier)及數個傳統語意導向指標。

關鍵詞：部落格、語意導向、情緒辨識、倒傳遞類神經網路、支援向量機、貝氏分類器