以部落格语料进行情绪趋势分析摘要1绪论.pdf

以部落格以部落格語料進行語料進行 情緒趨勢分析情緒趨勢分析 以以部落格部落格語料進行語料進行 情緒趨勢分析情緒趨勢分析 楊昌樺 高虹安 陳信希 國立台灣大學資訊工程學系 {d91013, r95116, hhchen}@.tw 摘要摘要 摘要摘要 部落格提供大量 具有時間標記的文本 ，為語言處理所需豐富語料來源 。本文針對文 本的時間標記特性 ，將其切分成不同時間域 (Time Domain)的語料子集合 ，綜合個別時間 域所提供的語料 ，觀察目標觀點 (sentiment ，通常包含意見與情緒)在橫跨時間域的變化 ， 作為觀點 趨勢分析的基礎 。為了獲得不同時間域的部落格文本，本研究提出部落格資訊 系統 ，收集跨時間域的文本 。同時以情緒分析為例，以特定查詢在部落格資訊系統反饋 的相關文本 ，獲得各時間域的情緒特徵，藉以解讀 網路空間人們對特定議題所反應的情 緒變化 。 1. 緒論緒論 緒論緒論 近年來 ，全球資訊網(World Wide Web; Web)上各種資訊系統的發明 ，持續改變人們 對資訊吸收與處理的方式 。以2005 年作為一個概括的分水嶺 ，分析使用者的習性，可發 現： 2005 年之前 ，人們從接觸網路，到逐漸習慣閱讀Web 上的內容 ，包含新聞報導、旅 遊情報 、生活資訊、投資消息、工作機會等。2005 年之後，人們開始廣泛地創造Web 上 的內容 ，包含製作自己部落格、相簿遊記、影音紀錄等。Web服務 提供者，為了能滿足 前者的閱讀需求 ，激發了內容網站(如 、) 、與服務網站包括( 入口網 1 2 站，如 Yahoo! ，及搜尋網站，如Google 的興起) 。而為了能涵蓋後者的創造需求，也帶 1 / 2 / 3 4 5 動了部落格網站 (如 Blogger ) 、相片網站(如無名小站 ) 、影音網站(如 YouTube ) 等的蓬勃 發展 。以媒體的觀點分析之 ，前者透過特定企業將Web視為大量資訊的媒介 ，提供的站 台延續大眾媒體的角色 。後者藉由Web使用者社群參與 ，創造新式資訊發佈型態，通稱 為社群媒體 。 近來社群媒體所創造的資源吸引很多 學者的注意 ，本文針對部落格或稱網路日誌( 、 Weblog 、Blog)所提供的文本 ，進行語言處理方面的探討。部落格系統提供簡單的介面， 讓使用者發表具時間標記的文章 ，因此有越來越多的人們開始使用部落格在網路上分享 6 每天的生活經驗 、發表對事物的看法與心情。根據部落格搜尋引擎Technorati的報告指 出，全球部落格的數量已超過7,000萬個 ，並且平均每天有超過12萬個部落格成立 ，因此 整個部落格空間 (Blogosphere)每天所能貢獻出的新文本更在此數量之上 。這份報告中同時 也指出 ，目前部落格空間以日文及英文使用者居多，各佔37%及 36% ，而中文目前所佔比 例是 8% ，但有增長的趨勢，本文即以中文部落格文本為主要的研究對象 。 在社群媒體的框架下 ，人們在使用部落格搜尋引擎時，不但想找到較專業或具代表 性的部落格 ，同時也想找到一般使用者所提出的心得及想法 。TREC自 2006年開始舉辦 7 Blog Track (Macdonald, de Rijke, Mishne, and Soboroff, 2006) ，其競賽項目說明了使用者上 述的資訊 需求 。其中Opinion Retrieval Task是針對特定議題找出使用者表達意見的文章 ， 並判