1.4 情感分析面臨的困難

盡管針對文本情感分析的研究已經(jīng)取得了一定的成果，但仍然面臨來自多方面的困難，主要包括：數(shù)據(jù)稀缺性、類別不平衡、領(lǐng)域依賴性、語言不平衡。

（1）數(shù)據(jù)稀缺性

無論是訓(xùn)練語料還是詞典資源，都處于比較匱乏的階段；文本情感分析主要包括基于情感詞典和規(guī)則的無監(jiān)督學(xué)習(xí)方法和基于機器學(xué)習(xí)的有監(jiān)督學(xué)習(xí)方法。然而，在面向特定領(lǐng)域或場景時，無論是無監(jiān)督學(xué)習(xí)還是有監(jiān)督學(xué)習(xí)，數(shù)據(jù)都很稀缺。在無監(jiān)督學(xué)習(xí)中，大規(guī)模高質(zhì)量的情感詞典是非常寶貴的，目前尚無公開的針對多個不同領(lǐng)域的情感詞典可用。此外，即使有開源的情感詞典，由于網(wǎng)絡(luò)新詞層出不窮，還需要不斷對情感詞典進行擴充和更新；在有監(jiān)督學(xué)習(xí)中，需要借助有情感標(biāo)注的語料庫來提取特征并訓(xùn)練情感分類器。然而情感標(biāo)注語料本身也是稀缺資源，由于不同領(lǐng)域的情緒表達有不同特點，通用的情感訓(xùn)練語料無法滿足不同領(lǐng)域研究的需求。

（2）類別不平衡

收集到的樣本中情緒各類別的數(shù)量明顯存在差異；情感分析的工作已開展多年，目前大多數(shù)工作都假設(shè)正負(fù)樣本是均衡的。情緒分析是在情感分析的基礎(chǔ)上進行更細(xì)粒度的分類。然而，不同情緒的數(shù)據(jù)集規(guī)模往往不均衡，在實際收集的微博語料中，一些情緒類別的語料數(shù)量明顯多于另一些類別，比如表達喜歡的語料明顯多于表達害怕的。所以，適用于均衡分類的方法在面對不均衡數(shù)據(jù)時效果往往并不理想。樣本數(shù)據(jù)的不平衡分布會使機器學(xué)習(xí)方法在進行分類時嚴(yán)重偏向于樣本多的類別，進而影響分類的性能。

（3）領(lǐng)域依賴性

情感詞在不同領(lǐng)域的表達存在差異；同一個詞在不同的領(lǐng)域背景下表達著不同的情感，比如“不可預(yù)測”在電影評論領(lǐng)域是褒義的，在汽車評論領(lǐng)域是貶義的。因此，在進行情感分析的時候，應(yīng)該充分考慮情緒詞的領(lǐng)域依賴性。跨領(lǐng)域情緒分析是文本情緒分析的一個重要研究課題，有很多問題需要解決。比如，在一個領(lǐng)域的意見表達，在另一個領(lǐng)域可能反轉(zhuǎn)。此外，還應(yīng)該考慮不同領(lǐng)域情緒詞匯的差異。

（4）語言不平衡

當(dāng)前大多數(shù)工作都基于英文語料，語言遷移存在困難。現(xiàn)有情緒分析工作大多基于英文，雖然近些年對中文的情緒分析也有了一定的研究成果，但是基于情感語義知識庫的工作都需依賴特定語種的外部資源，基于英文的情感分析研究在遷移到其他語言時往往性能下降明顯。此外，由于非英語的情感分析訓(xùn)練集和測試集也相對匱乏，極大限制了非英語語種的情緒分析研究。