利用 NTUSD 的擴充

此部份中應用 NTUSD positive 以及 NTUSD negative 兩份語料做進一步的擴 充，試圖納入更多電影評論中可能出現的情感詞彙。

NTUSD 為一份詳細標記極性的語料庫。除了情緒詞彙本身，甚至包含該詞 彙的相關用法、可能出現的句型。例如：詞彙「不凡」被歸類為正向極性詞彙；

相關的詞彙「不凡的人」同樣被歸類於正向極性詞彙中。「不凡的人」中多出了

「的」以及「人」兩個修飾詞彙。我們需要的關鍵是極性詞彙本身，而非相關的 修飾詞。雖然一個詞彙越是明確、描述的越仔細，判斷時的正確率越高；但另一 方面修飾詞卻可能影響擴充時的效率。為此本研究決定過濾掉修飾詞。

為了取出具有明確極性的詞彙，於是將 NTUSD positive 以及 NTUSD negative 分別經過斷詞系統做分析。由於不確定斷詞後的情緒詞彙將被判定為哪些類型的 詞性，為了盡可能增加擴充詞彙，同時不漏掉和習慣上認知類型不同的詞彙，因 此本研究統計了「形容詞」類型（如表 14 中的 A：非謂形容詞）以及所有的「動 詞」類型（如表 14 中的 VA：動作不及物動詞），對應 NTUSD positive 以及 NTUSD

表 14：NTUSD positive 斷詞後之詞性分類

表 15：NTUSD negative 斷詞後之詞性分類

詞性 詞性說明 部分範例 數量

VI 狀態類及物動詞 心軟、沒辦法、漠不關心 35

VJ 狀態及物動詞 鄙視、厭倦、談不攏 203

VK 狀態句賓動詞 抱歉、擔憂、歸咎於 108

VL 狀態謂賓動詞 擅、後悔、招致 27

總計 3755

電影領域中的情感詞彙，大部分是一般人平常認知的「形容詞」，也就是表 中的狀態類動詞。例如：「VH：狀態不及物動詞」便相當具有代表性。但有些詞 彙如：表 14「VF：動作謂賓動詞」的範例「鼓勵」；表 15「VG：分類動詞」的 範例「批評為」，都是評論中可能出現的極性詞彙。因此本研究決定將所有的「形 容詞」、「動詞」拿來作為再次擴充時的種子詞彙。

去除重複出現的情形後，positive 部份共有 1270 種辭彙；negative 部份共有

3743 種詞彙，這與上表兩部分總計的數量不符。原因是 NTUSD 的詞彙有些是以

「短句」的方式出現。在經過斷詞系統處理後，可能由於極性詞彙在句子中的出 現位置、語法結構不同而被判定為不同的詞性。以 NTUSD negative 的「過度」

為例，如表 16。在 NTUSD negative 中，「過度」出現在以下幾種情形中：

表 16：NTUSD negative 中「過度」的出現情形

「過度」的詞性判定

工作過度 (A)

工作過度的 (A)

過度 (Dfa)

過度的 (VH)

過度的疲勞 (A)

表 16 中「Dfa：動詞前程度副詞」並非「形容詞」類型或是「動詞」類型，

將之過濾後，可以發現「過度」在此會有兩種不同的詞性判定（「A：非謂形容 詞」、「VH：狀態不及物動詞」），因此將造成統計數量上的不同。不過此處的 目的只在於取出種子詞彙，擴充的部份將由廣義知網進行，所以可暫時忽略詞性 的問題。

最後將此部分的詞彙進行擴充。直接使用第五節：種子詞彙的擴充（同階層）

的方式；不再做基礎的同類型擴充。由於作法相同，因此雙極性詞彙的問題也是 採取同樣的處理模式。