情感分析 : 挖掘觀點、情感和情緒 (Sentiment Analysis: Mining Opinions, Sentiments, and Emotions)

劉兵

美國伊利諾伊大學芝加哥分校(UOC)計算機科學系傑出教授，獲得愛丁堡大學人工智能博士學位。

他是ACM Fellow、AAAIFellow、0E巨巨Fellow，曾擔任ACM SOGKDD主席(7／1/2013~6／30／2017)。劉兵教授兩次獲得KDD十年丁est一Of一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。劉康博士，中國科學院自動化研究所模式識別國家重點實驗室副研究員。

研究領域包括信息抽取、網絡挖掘、問答系統等，同時也涉及模式識別與機器學習方面的基礎研究。趙軍中國科學院自動化研究所研究員，博士生導師。長期從事自然語言處理、信息抽取、知識圖譜和問答系統方向的研究，承擔國家自然科學基金重點課題、973計劃、863計劃等多個國家科研項目和中國大百科全書出版社、華為、雲知聲、螞蟻金服等企業項目，

譯者序
  前言
  致謝
第1章引言
  1.1情感分析應用
  1.2情感分析研究
    1.2.1針對不同文本顆粒度的情感分析研究
    1.2.2情感詞典及其問題
    1.2.3辯論與評論分析
    1.2.4意圖挖掘
    1.2 .5垃圾觀點檢測與評論質量
  1.3情感分析是個迷你自然語言處理任務
  1.4本書撰寫方式
第2章什麼是情感分析
  2.1觀點定義
    2.1.1觀點的定義
    2.1.2情感對象
    2.1.3觀點中的情感
    2.1.4簡化的觀點定義
    2.1.5觀點的理由和限定條件
    2.1.6情感分析的目標和任務
  2.2觀點摘要定義
  2.3感情、情緒與心情
    2.3.1心理學中的感情、情緒與心情
    2.3.2情感分析中的感情、情緒與心情
  2.4觀點的不同類型
    2.4.1常規型觀點和比較型觀點
    2.4.2主觀的和隱含在事實中的觀點
    2.4.3第一人稱和非第一人稱觀點
    2.4.4元觀點
  2.5作者和讀者視角
  2.6小結
第3章文檔級情感分類
  3.1基於監督的情感分類
    3.1.1基於機器學習算法的情感分類
    3.1.2使用自定義打分函數的情感分類
  3.2基於無監督的情感分類
    3.2.1使用句法模板和網頁檢索的情感分類
    3.2.2使用情感詞典的情感分類
  3.3情感評分預測
  3.4跨領域情感分類
  3.5跨語言情感分類
  3.6文檔的情緒分類
  3.7小結
第4章句子級主客觀和情感分類
  4.1主觀性
  4.2句子級主客觀分類
  4.3句子級情感分類
    4.3.1句子級情感分類的前提假設
    4.3.2分類方法
  4.4處理條件句
  4.5處理諷刺句
  4.6跨語言主客觀分類和情感分類
  4.7在情感分類中使用語篇信息
  4.8句子級情緒分類
  4.9討論
第5章屬性級情感分類
  5.1屬性級情感分類方法
    5.1.1基於監督學習的方法
    5.1.2基於詞典的方法
    5.1.3兩種方法的優缺點
  5.2情感組合規則
    5.2.1情感組合規則概述
    5.2.2情感減弱和情感增強表達
    5.2.3 SMALL_OR_LESS和LARGE_OR_MORE表達
    5.2.4情緒和情感強度
    5.2.5情感詞的含義
    5.2.6其他方法概述
  5.3否定和情感
    5.3.1否定詞
    5.3. 
    5.3.3其他常用的情感轉換詞
    5.3.4否定詞移動現象
    5.3. 5否定範圍
  5.4情態和情感
  5.5並列連詞
  5.6非觀點內容的情感詞
  5.7規則表示
  5.8詞義消歧和指代消解
  5.9小結
第6章屬性和實體抽取
  6.1基於頻率的屬性抽取
  6.2利用句法關係
    6.2.1利用觀點和觀點評價對象間的評價關係
    6.2.2利用部分整體和屬性關係
  6.3基於監督學習的屬性抽取
    6.3.1隱馬爾可夫模型
    6.3.2條件隨機場
  6.4隱含屬性的映射
    6.4.1基於語料庫的方法
    6.4.2基於詞典的方法
  6.5屬性聚類
  6.6基於主題模型的屬性抽取
    6.6.1隱狄利克雷分配
    6.6.2基於無監督主題模型進行觀點屬性抽取
    6.6.3在主題模型中加入領域先驗知識
    6.6.4基於終身學習的主題模型：像人類一樣學習
    6.6.5使用短語作為主題詞
  6.7實體抽取與消解
    6.7.1實體抽取與消解的問題定義
    6.7.2實體抽取
    6.7.3實體鏈接
    6.7.4實體搜索和鏈接
  6.8觀點持有者和觀點時間抽取
  6.9小結
第7章情感詞典構建
  7.1基於詞典的方法
  7.2基於語料庫的方法
    7.2.1從語料庫中識別情感詞
    7.2.2處理上下文相關的情感詞
    7.2.3詞典自適應
    7.2.4其他相關工作
  7.3隱含了情感信息（期望或者不期望）的事實型描述
  7.4小結
第8章比較型觀點分析
  8.1問題定義
  8.2比較句識別
  8.3比較句中的優選實體集識別
  8.4特殊類型的比較句
    8.4.1非標準型比較
    8.4.2交叉類型的比較
    8.4.3單實體比較
    8.4.4帶有compare和comparison的句子
  8.5實體與屬性抽取
  8.6小結
第9章觀點摘要和檢索
  9.1基於屬性的觀點摘要
  9.2基於屬性的觀點摘要進階
  9.3可對照的觀點摘要
  9.4傳統摘要
  9.5比較型觀點摘要
  9.6觀點檢索
  9.7現有觀點檢索技術
  9.8小結
第10章辯論與評論分析
    10.1辯論中的立場識別
    10.2對辯論、討論進行建模
    10.2.1 JTE模型
    10.2.2 JTE-R模型：對回复關係進行建模
    10.2.3 JTE-P模型：考慮作者之間的交互關係
    10.2.4在線討論的容忍力分析
    10.3評論建模
  10.4小結
第11章意圖挖掘
  11.1意圖挖掘定義
  11.2意圖分類
  11.3細粒度意圖挖掘
  11.4小結
第12章虛假觀點檢測
  12.1垃圾觀點的不同類型
    12.1.1有害虛假評論
    12.1.2垃圾評論者以及垃圾評論行為的類型
    12.1.3數據類型、特徵和檢測
    12.1.4虛假評論和傳統謊言的比較
  12.2基於監督學習的虛假評論檢測
  12.3 Yelp數據集上基於監督學習的虛假評論識別實驗
    12.3.1基於語言學特徵的監督學習虛假評論識別
    12.3.2基於行為特徵的監督學習虛假評論識別
  12.4異常行為模式的自動發現
    12.4.1類關聯規則
    12.4.2單條件規則例外度
    12.4.3雙條件規則例外度
  12.5基於模型的行為分析
    12.5.1基於非典型行為的虛假評論檢測
    12.5.2基於評論圖的虛假評論檢測
    12.5.3基於貝葉斯模型的虛假評論檢測
  12.6群體虛假評論檢測
    12.6.1群體行為特徵
    12.6.2群體內的個體行為特徵
  12.7多ID評論用戶識別
    12.7.1基於相似度學習的多ID評論用戶識別
    12.7.2訓練數據準備
    12.7.3 d-特徵和s-特徵
    12.7.4識別同一用戶的多個
  12.8基於評論爆發檢測的虛假評論識別
  12.9未來研究方向
  12.10小結
第13章評論的質量
  13.1把評論質量預測看作一個回歸問題
  13.2其他方法
  13.3一些前沿問題
  13.4小結
第14章總結
附錄
參考文獻
索引