电商情感词典
本项目介绍苏州大学人类语言研究所构建的电商情感词典，包括通用的情感词条和电商领域特有的情感词条，共计3138条
| 类别 | 预置标签 | 数目 | 示例 |
|---|---|---|---|
| 正面观点表达 | DoUP | 844 | ...物有所值，实惠，舒服... |
| 中性观点表达 | DoUM | 82 | ...美中不足，一般，凑合... |
| 负面观点表达 | DoUN | 2084 | ...伤不起，差评，贵... |
| 多极性观点表达 | DoP | 99 | ...水水的，大，高... |
| 否定词 | DoN | 29 | ...不，不怎么，没那么... |
其中，前三种类别的观点表达只反映单一的情感倾向（例如“好吃”）
第四种观点表达反映多种情感倾向（例如“价格 高 ”和“性价比 高 ”）
否定词的追加是为了进一步扩展观点表达（“不”+“给力”=“不给力”）
- DoUP：放置正面观点表达的词条
- DoUM：放置中性观点表达的词条
- DoUN：放置负面观点表达的词条
- DoP：放置多极性观点表达的词条
- DoN：放置否定词的词条
示例任务是从观点文本（例如用户评论文本等）中获取情感要素（例如观点对象、观点表达、情感倾向等）
例如：从观点文本“产品实惠但不耐用”提取观点对象“产品”、观点表达“实惠”、“不耐用”并合成<观点对象，观点表达，情感倾向>三元组：<产品，实惠，正面>以及<产品，不耐用，负面>
我们将其看作序列标注问题，并使用情感词典来改善挖掘性能
因此，使用情感词典词条对生文本进行最大正向匹配，将得到的情感词典标签与原有文本结合起来输入序列标注模型，匹配实例如下：
设词表为：DoUP={实惠，耐用}，DoN={不}
生文本为：产品实惠但不耐用
按照最大正向匹配的结果为：
产 O
品 O
实 B-DoUP
惠 I-DoUP
但 O
不 B-DoN
耐 B-DoUP
用 I-DoUP
在其他一些情感分析任务中可以有其他用法，但一般都采用匹配的方法
郁圣卫, 卢奇, 陈文亮. 基于领域情感词典特征表示的细粒度意见挖掘. CCL-2018（已录用）