1.特征词对观点词情感的影响

现有的研究利用情感词典判断观点词的情感极性[86-99]。这种方法认为观点词的情感极性不会随着上下文语境的不同而发生变化。然而，在实际的产品评论中，观点词的情感极性可能会随其评价对象的不同而发生逆转。例如，在手机评论中，观点词“大”在与特征词“容积”搭配时表达正面的情感，在与特征词“噪声”搭配时却表达负面的情感；观点词“高”在与特征词“分辨率”配对时表达正面的情感，在与特征词“价格”配对时却表达负面的情感；观点词“长”在与特征词“待机时间”配对时表达正面的情感，在与特征词“开机时间”配对时却表达负面的情感。

用户对产品各个属性的偏好不同，使得同一个观点词在与不同的特征词搭配时，可能表达不同强度的情感。以手机为例，在“屏幕不错”和“操作不错”这两个特征观点对中，对于偏好手机屏幕的用户而言，“屏幕不错”表达的正面情感比“操作不错”更加强烈；而对于更加在意手机操作性能的用户而言，“操作不错”则比“屏幕不错”表达的正面情感更加强烈。

因此，需要将用户群看作一个整体，对大量产品评论中的特征观点对进行统计，分别利用其在正面情感与负面情感的产品评论中出现的情况，进行情感强度计算。

2.程度副词对观点词情感的影响

在现有量化程度副词情感强度的相关研究中，大多采用等级划分方式，为程度副词赋予对应的作用系数值。在产品评论的情感分类研究中，这种方法被用于计算产品评论的句子或者文档的情感极性，使得情感分类的准确率得到了较大的提高[178，181]。因此，本书按照程度副词的等级，为其赋予相应的作用强度，并且将强度值作为观点词的系数代入特征观点对的情感强度计算中，以此提高计算结果的准确性。

一般认为与观点词邻近的程度副词会对其情感强度产生影响，所以本书采用虚拟窗口模式，将观点词的上下文语境都考虑在内。具体规则为：给定一个虚拟窗口（根据前文所述（详见第3章3.3.1节），窗口大小为8个字符，并且字符包括标点），滑动虚拟窗口以遍历产品评论，如果观点词与程度副词都出现在窗口中，那么将二者结合生成新的词语。

对于程度副词作用强度的分类，本书采用张桂宾[177]和蔺璜[178]的研究成果，将其划分成四个级别：极量、高量、中量、低量。同时，按照从高到低的等级，依次为相应的程度副词赋予作用强度值：1.3，1.1，0.9，0.7。程度副词的分类结果如表5-1所列。

表5-1　程度副词分类(www.daowen.com)

3.否定词和双重否定词对观点词情感的影响

在产品评论中，否定词几乎可以出现在句子的任何地方，并且改变观点词的情感极性与强度。例如，“这款手机的外形太不好看”，“这款手机的外形不太好看”和“这款手机的外形不是不好看”，其中前两句使用了否定词“不”，使得对手机外形的评价发生了改变，评价观点由强烈的否定（“太不”）变化为略微的肯定（“不太”）；而最后一句使用了双重否定“不是不”，仍然表示肯定，但是观点的情感强度还是发生了改变。

现有研究大多对否定词采用极性取反的方式，例如，Saur为考虑否定词的作用，简单地将其修饰的观点词的情感极性取反[182]。但是这种方法却忽略了双重否定以及“否定+程度副词”的情况，还有待进一步改进。

对于“否定词+程度副词+观点词”和“程度副词+否定词+观点词”这两种复合观点词，按照否定词和程度副词出现的位置，分别计算复合观点词的情感强度，如式（5-1）所示。

其中，Strength（o）表示观点词o原来的情感强度，Strength′（o）表示加入修饰词后复合观点词的情感强度；wi表示程度副词的作用强度，i为程度副词所属的分类级别，所以有wi∈（0.7，0.9，1.1，1.3）；wmin和wmax分别表示程度副词作用强度范围内的最小值和最大值。

以“不太好看”为例，假设“好看”的情感强度为0.8。根据表5-1显示的程度副词“太”的等级，“太”是绝对程度副词，其级别为“极量”，作用强度值为1.1。通过式（5-1）的计算，“不太好看”的情感强度为：（（0.7+1.3）-1.1）×0.8=0.56。

由于在第3章基于LDA主题模型的特征词与观点词识别算法中（详见第3章3.3.1的表3-4），已经从相关文献建立的情感极性词典[144]中提取了否定词与双重否定词。因此，本章使用第3章中建立的否定词集和双重否定词集进行情感强度计算。