基于语义的新闻标题情感分析

王菲尔

摘    要： 新聞标题作为新闻最重要的部分，其中暗含新闻作者的情感倾向，也会影响阅读者对新闻的看法。本文基于语义对新闻标题进行情感分析，使用情感词典提取情感词，并匹配句中含有否定词、程度副词、连词，以及感叹句、反问句的情况下的语义规则，进行新闻标题情感值计算。选择新浪新闻和人民日报新闻标题作为语料，也想借情感分析探究新闻文本的自身特点。

关键词： 语义    词典    情感分析    新浪新闻    人民日报

引言

新闻标题是以最精练的文字将新闻中最重要、最新鲜的内容提示给读者。标题不但涵括了新闻的内容，而且也代表了新闻写作者对这篇新闻的评价。因此往往暗含新闻写作者自身的情感倾向。现在，新闻作者为了吸引读者注意，往往采用夸大的情绪描述新闻标题，也导致了对新闻内容的不实反映，这种现象被称为“标题党”。但是在一些权威新闻媒体上，这种现象比较克制。新闻标题中暗含的情感倾向，对阅读者的影响也很大，由此产生的舆论效应，不可忽视。因此，本文选取新闻文本中最重要的组成部分之一——新闻标题，对其进行情感分析，以期对新闻文本的情感倾向性做出判断，并为进一步的舆情分析提供帮助。如何对新闻标题中的情感作出恰当的把控，也是本文想要通过情感分析探讨的内容。

当前常用的文本情感分析方法主要有两种。一是基于机器学习的情感分析，采用传统的文本分类技术，将情感词汇作为提取的特征词，并结合其他特征训练分类器。常用的方法有朴素贝叶斯（NB）、支持向量机（SVM）、最大熵（ME）等。国外如Pang等[1]采用上述方法，对影评数据进行情感分类，并比较三种机器学习方法，结果显示支持向量机的方法达到最大准确率。国内研究有徐军等[2]用朴素贝叶斯和最大熵的方法对新闻及评论语料进行情感分类，最高准确率达90%。昝红英等[3]采用SVM+规则的方法研究新闻文本情感倾向，并与Bayes+KNN+规则的方法进行比较，验证前一种方法的普适性。潘云仙[4]用基于JST的模型进行新闻文本情感分析，对新闻标题进行极性判断。基于机器学习的方法对训练文本的质量要求很高，且容易忽视语句的上下文信息。因此本文采用另一种基于语义的情感分析方法。这种方法基于情感词典和语义规则设计算法，结合了词汇的语义特征和上下文信息，更为合理。如Turney等[5]用点互信息计算词汇语义相关度，来判断情感词的极性。刘群等[6]提出基于《知网》的词汇语义相似度计算，提高了词语相似度计算的准确率。朱嫣岚等[7]用基于HowNet的词汇语义相似度，计算词语的情感倾向。李晨等[8]基于情感词典和语义规则相结合，构建了正负面情感词典、否定词词典、程度副词词典、转折归总词典，计算新闻文本的情感倾向。此外，更多的对新闻标题或新闻文本情感倾向性的研究，是从新闻学本身出发的。如李小将[9]探究报纸新闻标题制作中情感因素的运用;樊耀聪[10]探究情感因素在新闻传播中的应用等。

基于现有的研究成果，可以看出这些研究大都以提高情感分析准确率为目标，少有通过情感分析对新闻文本本身进行解读。而本文以新闻标题作为切入点，将着重利用情感分析的结果，探究新闻文本的自身特点。本文将选取“新浪新闻”、《人民日报》新闻作为语料，通过对两家新闻标题情感倾向性的对比，分析各自新闻标题的特点，并探讨新闻写作中情感把控的问题。

1.新闻文本情感分析的实验流程

本文采用基于语义的方法对新闻标题进行情感分析，基本流程见图1.1。

1.1语料收集

本文分别整理收集“新浪新闻”和《人民日报》新闻标题各5000条，共计10000条新闻标题，构成情感分析的语料库。标题选择范围基本是两年以内的新闻，内容涵盖时政、地方、法治、国际、军事、财经、汽车、房产、教育、科技、彩票、娱乐、金融、体育、食品、旅游、健康、教育、游戏、时尚等方面。

1.2文本预处理

本文采用中科院汉语词法分析系统ICTCLAS[11]进行分词及词性标注，其主要功能还有命名实体识别、新词识别等。系统采用CHMM（层叠形马尔可夫模型）进行分词，分词速度996KB/s，分词精度98.45%，是目前准确率较高且较有效率的分词系统。

1.3情感词提取

首先建立情感词典。情感词典的建构是情感分析中至关重要的一步，对情感分析的结果有很大的影响。目前较为常用的中文情感词典有Hownet情感分析用词语集，其中包括了正负面评价词语集、正负面情感词语集、主张词语集和程度词语集;台湾大学NTUSD（National Taiwan University Sentiment Dictionary）包含了正面情感词典和负面情感词典;以及大连理工大学的中文情感词汇本体库[12]，对多部情感词典进行整理归纳，较为全面，还对每个情感词汇的词性种类、情感分类、强度、极性等做了标注，将情感分为7大类、21小类，是目前比较成熟的中文情感词典。下表将大致描述这三部情感词典的词汇分布情况。

表中可以看出，大连理工大学的中文情感词汇本体库在情感词汇数量上占绝大优势。因此，本文在中文情感词汇本体库的基础上建立情感词典，对其进行筛选，删除一些新闻文本不适用的词语，并添加一些新闻文本中常见的情感词语，如“泥潭”“中国梦”“破获”等。最终，词典共含有13249个正面情感词语，13581个负面情感词语，合计26830个。

1.4语义规则匹配

在计算新闻标题的情感值之前，除了对情感词的情感值进行计算，还需要基于语义规则对情感词进行加权处理，标题中其他影响情感倾向的因素有否定词、程度副词、连词、反问句、感叹句等。

程度副词同样会影响词语情感倾向的强度，这时词语的情感值受程度副词语义强度的影响发生变化。程度副词权值表示为M■。本文基于HowNet的中文程度级别词语，构建程度副词表，并设置程度副词权重。

连词连接两个句子時，句子的情感倾向会因连词的不同而产生变化。常见的类型有并列、承接、递进、选择、转折、假设、因果、条件、解说、目的。其中，递进、转折、假设、因果类的连词会增强连词后的情感强度。用Mconj表示这些连词的权值。

特殊句式如反问句、感叹句都能增强语气程度，因此也有加强情感倾向的效果。反问句通过反问标记词识别，并且问句的标志“？”也给反问句识别提供了帮助。反问句权值用Mreh表示，设为-2。感叹句则较为简单，直接通过“！”识别。感叹句权值用Mex表示，设为2。

其中α为常数，当α=1.6时，情感识别准确率最高。这样确实可以减少上述情况的发生。

（3）新闻中常用描述性语言编写标题，其中不含有情感词汇，但往往也表达了情感倾向。尤其是对犯罪案件或社会问题的描述类标题，其表达的是负面情感，但这种情感经常无法识别出。

（4）情感词典中的词汇不够全面，也会导致识别的准确率下降。新浪新闻中存在大量网络情感词汇，在情感词典中有待补充。此外，还有许多多义情感词，在何种语义条件下不含有情感倾向，也是今后语义规则中要考虑的问题。

2.3数据分析

2.3.1新闻标题情感词

本文对“新浪新闻”标题和《人民日报》新闻标题的情感词进行统计分析。分别对新闻标题中含有的情感词的数量、情感分类、词频等作出统计。

“新浪新闻”标题含有1482个情感词，其中正面情感词842个，负面情感词640个;《人民日报》新闻标题含有1043个情感词，其中正面情感词799个，负面情感词244个。新浪新闻标题所含情感词数量远高于《人民日报》。这也体现了门户网站新闻标题较为情绪化，为夺人眼球而多采用富有情感的词语;而国家权威新闻机构的新闻标题更为严肃。这一点在正负面情感词的数量上同样体现。“新浪新闻”标题正负面情感词数量几乎相当，而门户网站也的确会采用负面情感倾向的标题来吸引阅读者的注意。《人民日报》新闻标题负面情感词数量远低于正面情感词，作为权威新闻媒体，也忌讳过多地扩散负面情绪。

两家新闻标题使用最多的负面情感词汇都是贬责类（NN）的情感词汇，这体现了新闻的批判性。正面情感词汇则是赞扬类（PH）词汇，在这一项上，《人民日报》的使用量甚至超过了“新浪新闻”，褒扬也是新闻媒体常用的新闻态度。安心类（PE）、相信类（PG）的词汇使用，《人民日报》也在“新浪新闻”之上，“让人民安心”“成为可信赖的对象”等表述在《人民日报》新闻标题中也确实十分常见。

此外，本文还对两家新闻标题情感词汇进行词频统计，各挑选出了20个最常用的标题情感词汇。具体如下：

可以很明显地看出，人民日报的高频词汇使用频率远高于新浪新闻，也体现了人民日报新闻报道涵盖范围的狭隘，较之门户网站新闻类别的多样，人民日报新闻更多聚焦于国家、政治、社会方面，娱乐性较弱。人民日报高频词“发展”“创新”“建设”“改革”等，几乎全是描述社会主义建设的词汇，而新浪新闻高频词“教育”“专家”“创业”“技艺”等，则涵盖了教育、科技、经济等领域，使用频率第二高的“勇士”一词，则常见于体育领域。且新浪新闻高频词分布较为平均，也说明了其新闻涉及领域全面。

2.3.2新闻标题情感值

本文通过基于语义的计算，得出人民日报和新浪新闻的标题情感值。具体情感倾向分布见下表：

可见中性情感新闻标题依然占据近半，体现了客观是新闻的重要特性之一。负面情感与正面情感的分布也与情感词汇的极性分布基本一致，也印证了上文所说。门户网站多采用情感丰富的新闻标题，尤其是更会吸引阅读者的负面情感标题，以期收获更多点击率。国家权威新闻机构不宜博人眼球或扩散较多负面情绪，负面情感标题较少;而其报道内容又多与国家党政的发展有关，因此正面情感较多。其中人民日报正面情感远超新浪新闻，与人民日报高频词汇使用频率远高于新浪新闻有关。

此外，本文还分别选取了两家新闻标题情感值的极值进行对比。见下表：

人民日报负面新闻标题的极值集中在重大案件或国家重大问题上，对这些行为或现象进行严厉批判;正面新闻报道的极值则与国家发展有关，褒扬了国家社会发展中积极的一面，或者鼓励大众为国家发展做出努力。无论正负面新闻，人民日报在进行褒贬时，都采用严肃口吻，较为客观地描述事件，采用的情感词汇也对强烈情绪的表达十分克制。反观新浪标题，则在情感上更加强烈，且多采用“？”“！”等标点符号，增强情感表达。负面情感标题中社会新闻占据绝大多数，内容也不都是批判，只是用大量负面情感词汇的叠加来增强视觉效果，吸引阅读者。正面情感新闻标题也大都是娱乐、体育、新闻、八卦，同样用多个正面情感词汇的叠加和标点，来达到最大情感表达。

3.总结

本文借助情感词典，并基于语义规则，对新闻标题的情感倾向进行分析，通过对标题中否定词、程度副词、连词、反问句及感叹句的语义规则匹配，从而提高新闻标题情感识别的准确率。选择人民日报和新浪新闻的新闻标题作为语料，对情感分析的结果进行探讨。

把人民日报作为国家权威新闻媒体代表，新浪新闻作为门户网站等非权威新闻媒体代表，情感分析对比发现：情感表达方面，国家权威新闻媒体的新闻标题所表达的情感克制，客观陈述事实，负面情感少，体现了权威媒体的严肃性;门户网站的新闻标题情感表达强烈，多用标点以及极性情感词的叠加，以增强视觉效果，达到吸引阅读者的目的。情感内容表现方面，权威媒体新闻内容狭隘，多集中于国家政治，娱乐性弱;门户网站新闻涉及范围广泛，娱乐性强。这也给新闻写作者带来了一些思考。为了增加新闻点击量与阅读量，夸大新闻标题情感表达，使标题与事实不符，这确实可能会吸引一些读者。但这样却失了新闻写作的原则。真实客观，如实报道，不强加情感，才是新闻写作应有的原则。

本文基于语义的新闻标题情感分析，也有一些不足之处。第一，所采用的情感词典还不够全面，会有一些情感词汇没有涉及;第二，样本容量不够大，只有一万条语料，还无法准确检验这种情感分析方法的正确率，对新闻标题的情感分析也无法形成强有力的支撑;第三，语义规则也不够全面，有许多遗漏的语义规则。这些不足之处也是今后此类情感分析可以完善的方向。

参考文獻：

[1]Bo P.， Lee L.. A sentimental education： Sentiment analysis using subjectivity summarization based on minimum cuts[C]// Meeting on Association for Computational Linguistics. Association for Computational Linguistics， 2004：271.

[2]徐军，丁宇新，王晓龙.使用机器学习方法进行新闻的情感自动分类[J].中文信息学报，2007（06）：95-100.

[3]昝红英，郭明，柴玉梅，吴云芳.新闻报道文本的情感倾向性研究[J].计算机工程，2010，36（15）：20-22.

[4]潘云仙.基于JST模型的新闻文本情感分类研究[D].保定：河北大学，2015.

[5]Turney P. D.. Thumbs up or thumbs down？： Semantic orientation applied to unsupervised classification of reviews[C]// Meeting of the Association for Computational Linguistics. 2002：417-424.

[6]刘群，李素建.基于《知网》的词汇语义相似度计算[J].中文计算语言学，2002.

[7]朱嫣岚，闵锦，周雅倩，黄萱菁，吴立德.基于HowNet的词汇语义倾向计算[J].中文信息学报，2006（01）：14-20.

[8]李晨，朱世伟，魏墨济，于俊凤，李新天.基于词典与规则的新闻文本情感倾向性分析[J].山东科学，2017，30（01）：115-121.

[9]李小将.论报纸新闻标题制作中情感因素的运用[J].新闻研究导刊，2015，6（12）：140.

[10]樊耀聪.情感因素在新闻传播中的应用[D].西安：西北大学，2014.

[11]张华平等.ICTCLAS中文分词系统.http：//www.nlpir.org/.

[12]徐琳宏，林鸿飞，潘宇，等.情感词汇本体的构造[J].情报学报，2008，27（2）：180-185.

[13]陈晓东.基于情感词典的中文微博情感倾向分析研究[D].武汉：华中科技大学，2012：35.

[14]杜振雷.面向微博短文本的情感分析研究[D].北京：北京信息科技大学，2013：46-47.