《表8 属性情感分析性能评估》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多层次细粒度评论挖掘的图书影响力评价研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

然后，依据构建的情感词典对全部50798条图书在线评论中提及的属性进行情感分类。为验证情感词典的性能，对基于几种不同的情感词典的分类结果进行比较，得出属性情感分析性能评估结果（见表8）。其中，M1为基于通用情感词典进行情感判断，即将情感词典How Net与NTUSD合并去重得到的情感词典进行属性的情感判断；M2为合并通用情感词典与本文构建的情感词典进行情感判断；M3为利用本文构建的领域情感词典进行属性情感判断；M4为去除模糊情感词的领域情感词典进行属性情感判断。由评估结果可以看出，M2的分类性能优于M1，说明本文构建的领域情感词典能够提升属性情感分类的性能。同时，M3的分类性能优于M2，说明通用情感词典中的部分情感词对于本文语料的情感倾向判断存在干扰，换言之，通用情感词典并不能完全适用于不同领域语料的情感判断。此外，M3的分类性能优于M4，说明模糊情感词的情感极性判断对于分类性能的影响明显，在进行属性情感判断时，需要考虑模糊情感词与不同属性词搭配所表达的情感倾向。总结而言，M3的性能最优，说明本文构建的情感词典能够有效地提升属性情感分类的性能。其次，考虑模糊情感词是很有必要的。