簡述

在最近的RA過程中，需要使用一個庫，同時對其的原理需要理解。然后就研究了一些，發現了幾個有趣的，其中一個HarvestText中文情感分析。

• 我研究了他的源碼后，再結合理論知識發現了這個庫在情感分析上的一個很重要的問題。并提交了代碼，完成了合并。下面是我的fork后的庫
• https://github.com/Sean16SYSU/HarvestText

文章目錄

• • 簡述
  • SO-PMI算法
  • • PMI
    • SO-PMI計算

SO-PMI算法

• 輸入：文章集合。pos詞匯集和neg詞匯集（不需要給分數）
• 輸出：未知詞匯的分數

PMI

• PMI，Pointwise Mutual Information， 即點互信息， ${\log }_2\frac{P(A,B)}{P(A)P(B)}$
• P(A)，詞匯A出現的文章的概率
• P(B)，詞匯B出現的文章的概率
• P(A, B) ， 詞匯AB一起出現在文章中的概率
• 因為基數都是一樣的（文章數量），所以做一定的數學變換即可。

SO-PMI計算

• 對于詞匯A，計算其情感：
  $$\sum _{pw\in POS}(PMI(A,pw))?\sum _{nw\in NEG}(PMI(A,nw))$$
  • pw：positive word (積極詞匯)
  • nw：negative word (消極詞匯)
• 根據這個公式，我們可以發現計算出來的分數值是可能大于1或者小于-1的。
• 沒有準確的上下界，會使得整個實現沒那么友好。

而我的其中一個貢獻也就是在提出這個不存在上下限的問題上。
文章的解決方案也是很簡單的，就是pos詞匯的分數被被除以pos詞匯中分數的最大值（正數）。同理，neg詞匯的分數會被除以neg詞匯中分數的最小值（負數）。

總結

以上是生活随笔為你收集整理的【中文情感分析】SO-PMI算法（HarvestText库的修正以及解析）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。