域有相當大的關係（張育蓉，2012；Dave et al., 2003; Liu, 2012; Pang & Lee, 2008a;
Pang et al., 2002）。意見探勘一詞最早出現於 Dave 等人（2003），而情感分析一 詞最早則見於 Nasukawa 與 Yi（2003）。有趣的是，和意見或情感有關的研究在 更早之前就已經開始（Das & Chen, 2001; Pang et al., 2002; Turney, 2002）
（一） 何謂「意見」？
「意見」由五個主要的元素所構成，如第 1 式（Liu, 2010; Liu, 2012;
Moghaddam & Ester, 2012）。
(1) 1. 持有者（Holder; hi）
2. 目標個體（Target Entity; ej） 3. 個體的屬性（Entity Aspect; ajk） 4. 時間（Time; tl）
5. 情感取向（Sentiment Orientation; soijkl）
第 1 式可以用文字的形式解釋為「意見是由持有者 hi在時間 tl對目標個體 ej的屬性 ajk所表現的情感取向 soijkl」。其中，目標個體及個體的屬性都可以被稱 為意見目標（Opinion Target）。
首先，我們所分析的意見來源是網路論壇的文章，其意見持有者應為該文章 的作者（Liu, 2012; Pang & Lee, 2008a）。雖然文章中可能包含引用句，或是陳述 事實，但我們認為這些用法也是該作者為了輔助表達自己的意見而使用。因此，
在本研究中我們不考慮意見持有者的問題。
‧
Classification）。Pang & Lee（2008a）認為，情感分類一詞可以指任何探討情感 取向的分類問題，包含兩類別分類、多類別分類、迴歸分析，以及排名等，而將 情感取向分為正面／負面兩個類別，或是包含中立在內的三個類別，則又稱為意 見的極性分類（Polarity Classification）。情感分類是目前意見探勘領域最廣為研 究的主題（Liu, 2012; Pang & Lee, 2008a），其問題與方法將在稍後做介紹。另一方面，在進行意見的情感分類時，常常有許多非必要的詞彙存在於大量 文字中，而這些詞彙對意見並無影響，只會使分析變得複雜；相對地，在文字中 所包含的一些能夠表現情感或意見的詞彙則相當重要，是用來判斷該意見的情感 取向的依據，這些詞彙被稱為意見詞（Opinion Words; Sentiment Words）（Ding et al., 2008）。為了要專注於分析意見詞彙，將意見詞蒐集成詞彙列表是一個重要的 工作，而意見詞彙列表則稱為情感詞庫（Sentiment Lexicon）（Liu, 2012）。
綜上所述，本研究所關心的重要元素為意見的目標個體和情感取向，而必須
‧
稱為屬性層次（Aspect Level; Feature Level）（Ding et al., 2008; Liu, 2012; Pang &Lee, 2008a; Su et al., 2008）。本研究的情感分類屬於文件層次以及語句層次，並 不探討屬性層次的意見探勘。
不論是文件層次或是語句層次的意見探勘，情感分類都是主要的研究主題
（Liu, 2012; Pang & Lee, 2008a）。情感分類關心的主要問題是：給定一篇文章或 一個句子，判別該文章或句子的情感取向為正面或負面（或加上中立）。Pang 等 人（2002）將電影意見評論在文件層次分類為正負兩類。Turney（2002）蒐集意 見評論網站 Epinions3中的評論，分類為正負兩類。Na 等人（2004）則是分析產 品評論，並同樣分類為「推薦」（正面）與「不推薦」（負面）兩類。Dave 等人
（2003）將從 C|NET4與 Amazon5的產品評論切割為句子以進行意見的分類。
Demartini 與 Siersdorfer（2010）蒐集 3 個主流的搜尋引擎（Google、Yahoo!6、 Bing7）對 14 個爭議性議題的搜尋結果，並分別探討以詞庫為基礎的情感評分方 式和 SVM 的分類方式在結果上的不同。
由於近年來微型部落格（Microblogging）的發展，情感分類的研究領域有逐 漸往這方面發展的跡象。Pak 與 Paroubek（2010）分析推特（Twitter）上使用者 推文的情感取向（Tweet），並分類為正面／負面／中立三類。Kouloumpis 等人
（2011）分析的資料來源為推特，所以直接將每一則推文視為一個句子，並將其 分類為正負與中立三類。張育蓉（2012）從 Plurk 和圖書館討論區蒐集意見的文 章，並在斷句後分類其情感取向。
3 http://www.epinions.com/
4 http://www.cnet.com/
5 http://www.amazon.com/
6 https://www.yahoo.com/
‧
文件層次的主觀分析（Pang & Lee, 2008b; Yu & Hatzivassiloglou, 2003），但整體 而言，語句層次的主觀分析較為重要且常見。然而，主客觀和意見的有無並無絕 對的關係（Liu, 2010）。對於本研究的目的而言，產品的意見是優先於主觀和客 觀的。我們認為，在一篇網路論壇的文章裡，不論是陳述客觀意見或是表達主觀 意見，都是作者企圖表示對該產品的意見。因此，本研究將不考慮主觀分析。不論是中文或英文，比較句和反諷句一直都是語句層次較難以處理的問題
（張育蓉，2012；Liu, 2012）。我們認為中文的反諷句尚未存在一個可自動化的 辨識方法，因此本研究將不討論反諷句。過去關於比較句意見探勘的文獻多是探 討比較的意見目標雙方的關係，如 Ganapathibholta 與 Liu（2008）探討比較句中 意見持有者的偏好為何者。其定義了以下四種比較句：
1. 不對等的分級比較句（Non-equal Gradable）是指偏好一方優於另一方 的比較句。如：
「我覺得 iPad mini 比 Galaxy note 3 好。」
2. 對等比較句（Equative）是指偏好一樣的比較句。如：
「我覺得 iPad mini 和 Galaxy note 3 一樣好。」
3. 最高級比較句（Superlative）是指偏好一方優於其他全部的比較句。如：
「iPad mini 是我心目中最好用的平板。」
4. 不可分級的比較句（Non-gradable）是指沒有表示偏好的比較句。
「iPad mini 在使用上跟 Galaxy note 3 還是有點不一樣。」
‧
詞庫特徵或一字詞（Unigram）（張育蓉，2012；Demartini & Siersdorfer, 2010;
Kouloumpis et al., 2011; Pak & Paroubek, 2010）、多字詞（N-gram）或搭配詞
（Collocation）（張育蓉，2012；Dave et al., 2003; Kouloumpis et al., 2011; Pak &
Paroubek, 2010）、詞性數量統計（Kouloumpis et al., 2011）、語句結構特性（Liu &
Seneff, 2009）等等。
詞庫特徵是指以情感詞庫為基礎計算的特徵。其中一種方式是統計該文章或 句子中的正負意見詞彙數量，並依此計算出一個分數。另一種方式則是將詞庫中 的每一個詞彙皆作為一個特徵，也就是代表該詞彙有出現（特徵值為 1）或沒有 出現（特徵值為 0）在這一篇文章或句子中，此計算方式為二元法。另外也有計 算 TF-IDF 的方式。TF-IDF 是過去在資訊檢索領域經常被使用的計算方式，其算 法是詞頻（Term Frequency; TF）與逆向文件頻率（Inversed Document Frequency;
IDF）的乘積。TF 是指一個字 w 在文章 d 內的出現次數除以 d 的總字數，所以
（Support Vector Machine; SVM）分類（張育蓉，2012；Dave et al, 2003; Demartini
& Siersdorfer, 2010; Pang et al., 2002）、簡單貝氏（Naïve Bayes）分類（張育蓉，
‧
（K-nearest Neighbor; KNN）分類（張育蓉，2012）、最大熵（Maximum Entropy;
ME）分類（Pang et al., 2002）、AdaBoost.HM 分類（Kouloumpis et al., 2011）等 相當多種方法。以下將介紹本研究採用的 SVM 分類、簡單貝氏分類器，以及
‧
詞辭典（NTU Sentiment Dictionary; NTUSD）（Ku & Chen, 2007）是以 General Inquirer8（GI）與 Chinese Network Sentiment Dictionary（CNSD）作為種子詞彙 表，並以同義詞詞林（梅家駒等人，1982）和中央研究院的中英雙語知識本體詞 網9（Academia Sinica Bilingual Ontological WordNet; BOW）做同義詞擴充而成。NTUSD 共計有 20,595 個意見詞彙，分別為 9,365 個正向詞與 11,230 個負向詞。
目前適用於中文的情感字典尚有知網10（HowNet）創建者董振東先生於 2007 年 發布的情感分析用詞語集（beta 版）（Chinese/English Vocabulary for Sentiment Analysis; HowNet-VSA）。HowNet-VSA 有提供中文與英文兩種語言的詞彙，每 種語言都分為六個類別，其中中文的詞彙數量統計分別為：正面情感詞語 836
8 http://www.wjh.harvard.edu/~inquirer/
9 http://bow.sinica.edu.tw/
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究而言，蒐集而來的情感詞庫有重新定義情感取向的必要。此外，即使是同 一領域，同樣的意見詞也有可能是不同的意思。這樣的關係與屬性層次的意見探 勘有關。當同一個意見詞用來指不同的屬性時，其產生的情感取向可能會不同
（Ding et al., 2008）。比如：
「這支手機的電池可以用很久。」
「這支手機的瀏覽器讀網頁讀很久。」
前者的「久」是正面意義，但是後者的「久」卻是負面意義。從廣義的角度 來看，這樣的現象並不僅存在意見詞跟屬性之間。當意見詞與其他詞彙共同出現 卻能夠表現出特定的情感取向時，則稱這樣的現象為搭配詞（張育蓉，2012）。
Church 與 Hanks（1989）的 PMI（Pointwise Mutual Information）可用來計 算兩個字 w1與 w2之間的獨立性，其計算方法為：
(4) P(w1, w2)表示 w1與 w2同時出現的機率，P(w1)表示 w1出現的機率，P(w2)表 示 w2出現的機率。當 PMI 值為 0 時，代表兩個字相互獨立，也就是其中一個字 的出現不會影響另一個字的出現；而 PMI 越大代表兩個字越容易共同出現；反 之 PMI 越小則代表兩個字越不容易共同出現。因此 PMI 可被用來尋找適合特定 領域用的搭配詞（Popescu & Etzioni, 2005）。
Turney（2002）根據 PMI 演變出 SO（Semantic Orientation）的計算方法。
SO 是計算一個未知情感取向的字 w 與正面意見詞的 PMI 和 w 與負面意見詞的 PMI 的差，其算法為：
(5) 此處的 w+與 w-代表已知為正向和已知為負向的意見詞，在 Turney（2002）
的文中分別以「excellent」和「poor」為例。當 SO 大於 0 時，代表 w 是正面意 見；反之，當 SO 小於 0 時，代表 w 是負面意見。因此 SO 可用於重新定義意見 詞的情感取向（Turney & Littman, 2002）。
‧
（張育蓉，2012；Das & Chen, 2001; Ding et al., 2008; Liu, 2010; Liu, 2012; Na et al., 2004; Pang & Lee, 2008a; Eirinaki et al., 2012）。否定詞很容易就能顛覆一個意見 的情感取向（Liu, 2010），如「好」和「不好」；「差」和「不差」。程度副詞是另
Lin 與 Chao（2010）分別探討規則式以及機器學習的辨識方法於擷取部落格 中關於旅遊的意見與旅遊景點，也就是意見目標。在蒐集資料的時候，其發現在
‧
Ma 與 Wan（2010）則採用定心理論（Centering Theory）的規則搜尋在辨識 新聞評論中可能的意見目標，接著將這些可能的意見目標評價並排序，以取得最 有可能的意見目標。
有趣的是，我們發現過去的規則式方法之間皆具有共同的關鍵要素。在 Lin 與 Chao（2010）以及 Ma 與 Wan（2010）的規則中，皆具有相同的概念，指出 之前提過的意見目標可能是當前句子的意見目標，惟前者採用前五句，後者僅採 用前一句。又，在 Lu（2010）和 Ma 與 Wan（2010）的規則中，皆指出句法結 構對於意見目標辨識的重要性，乃是主詞的重要性大於受詞，最後才考慮句子中