/ECSD

E-Commerce Sentiment Dict

E-Commerce Sentiment Dict (ECSD)

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


电商情感词典包含的类别、预置标签、数目以及示例

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 ”和“性价比 ”)

否定词的追加是为了进一步扩展观点表达(“不”+“给力”=“不给力”)


文件介绍

  • 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

情感词典参考用法

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


相关论文

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)