基于文本挖掘的物流服务水平评价方法

doi:10.11772/j.issn.1001-9081.2022071087

摘要/Abstract

摘要：

物流服务水平评价是物流企业及电商平台提高客户满意率、增加顾客忠诚度的重要基础。传统方法一般是基于评价指标体系结合权重设计对物流服务水平进行评价，这些方法往往存在指标不全面、评价过程主观性强的问题。为解决这些问题，提出基于文本情感计算模型的物流服务水平评价方法。在现有开源词典基础上，加入网络情感词典，通过词频-逆文档频率（TF-IDF）关键词提取算法及词频排序建立适用于物流服务评价的词典。语义规则部分，考虑句间关系和句型关系，优化情感单元及语义计算规则，从词语级、分句级到复句级的角度依次对物流服务关键句评论进行情感得分计算，根据得分作出评价。以京东和淘宝平台内电子产品、服装及生鲜3类产品的评论文本为对象进行实验验证。实验结果表明：1）所提方法在精确率、召回率及F值指标上均明显优于支持向量机（SVM）、卷积神经网络（CNN）分类的结果，分别平均提高约17%和33%；且比单独使用物流领域情感词典或优化后计算规则的结果分别平均提高约17%和18%；2）综合3类产品的评论，京东的平均物流服务满意率高于淘宝，两个平台的3类产品中生鲜类商品的平均物流服务满意率最高，服装类的平均满意率最低。

关键词: 物流评论, 情感词典, 语义规则, 情感分析, 物流服务水平

Abstract:

Evaluation of logistics service level is an important foundation for logistics enterprises and e-commerce platforms to improve the satisfaction and loyalty of their customers. Traditional methods are usually based on evaluation index system design combined with weight determination， which are criticized for incomplete indexes and subjectivity in evaluation. To address these problems， a logistics service level evaluation method based on a text motion computing model was proposed. With existing open source dictionary， a network emotion dictionary was added， and a dictionary suitable for logistics service evaluation was established through the keyword extraction algorithm of Term Frequency-Inverse Document Frequency （TF-IDF） and word frequency sorting. In semantic rule section， emotional units and semantic calculation rules were improved by considering the sentence type relationship and relationships between sentences. The sentiment score of the key sentences related to logistics service was evaluated from the perspective of word level， clause level， and complex sentence level. The validation was conducted on the comments of electronic products， clothing and fresh food from two platforms of JD and Taobao. Experimental results show that： 1） The classification results of the proposed method were significantly better than those of Support Vector Machine （SVM） as well as those of Convolutional Neural Network （CNN） in terms of the average of precison， recall and F value indicators， with an average improvement of about 17% and 33%， respectively； and compared with the results obtained by using only the sentiment dictionary of logistics or the optimized calculation rules， the average of precison， recall and F value increased by about 17% and 18%， respectively. 2） Based on comments of the three categories of products， the average logistics service satisfaction rate of JD was higher than that of Taobao. Among the three categories of products from JD and Taobao， the average logistics service satisfaction rate of fresh food products was the highest， and the average satisfaction rate for clothing products was the lowest.

Key words: logistics comment, emotional dictionary, semantic rule, sentiment analysis, logistics service level

中图分类号:

TP391.1

陈清化, 薛书琦, 龚壮壮, 曹润康. 基于文本挖掘的物流服务水平评价方法[J]. 计算机应用, 2023, 43(S1): 88-94.

Qinghua CHEN, Shuqi XUE, Zhuangzhuang GONG, Runkang CAO. Evaluation method of logistics service level based on text mining[J]. Journal of Computer Applications, 2023, 43(S1): 88-94.

图/表 10

图1 物流评论文本情感倾向分析方法的流程

表1 部分网络情感词

情感词	情感倾向	词语数
厉害了、给力、永远的神、奈斯等	积极	91
辣鸡、挂羊头卖狗肉、心塞、郁闷等	消极	225

表2 部分自建物流服务情感词

情感词	情感倾向	词语数
次日达、送货上门、五星好评等	积极	64
夺命快递、送错、泄露隐私、磕碰等	消极	58

表3 情感单元情感值计算规则

情感单元（ $U$ ）模式	情感值计算公式
情感词	$w e$
否定词+情感词	$- 1 × w e$
否定词+程度副词+情感词	$- 1 × w a × w e$
否定词+双重否定词+情感词	$- 1 × 1 × w e$
否定词+双重否定词+程度副词+情感词	$- 1 × 1 × w a × w e$
否定词+程度副词+双重否定词+情感词	$- 1 × w a × 1 × w e$
双重否定词+情感词	$1 × w e$
双重否定词+否定词+情感词	$1 × (- 1) × w e$
双重否定词+程度副词+情感词	$1 × w a × w e$
双重否定词+否定词+程度副词+情感词	$1 × (- 1) × w a × w e$
双重否定词+程度副词+否定词+情感词	$1 × w a × (- 1) × w e$
程度副词+情感词	$w a × w e$
程度副词+否定词+情感词	$w a × (- 1) × w e$
程度副词+双重否定词+情感词	$w a × 1 × w e$
程度副词+否定词+双重否定词+情感词	$w a × (- 1) × 1 × w e$
程度副词+双重否定词+否定词+情感词	$w a × 1 × (- 1) × w e$

表3 情感单元情感值计算规则

情感单元（ $U$ ）模式	情感值计算公式
情感词	$w e$
否定词+情感词	$- 1 × w e$
否定词+程度副词+情感词	$- 1 × w a × w e$
否定词+双重否定词+情感词	$- 1 × 1 × w e$
否定词+双重否定词+程度副词+情感词	$- 1 × 1 × w a × w e$
否定词+程度副词+双重否定词+情感词	$- 1 × w a × 1 × w e$
双重否定词+情感词	$1 × w e$
双重否定词+否定词+情感词	$1 × (- 1) × w e$
双重否定词+程度副词+情感词	$1 × w a × w e$
双重否定词+否定词+程度副词+情感词	$1 × (- 1) × w a × w e$
双重否定词+程度副词+否定词+情感词	$1 × w a × (- 1) × w e$
程度副词+情感词	$w a × w e$
程度副词+否定词+情感词	$w a × (- 1) × w e$
程度副词+双重否定词+情感词	$w a × 1 × w e$
程度副词+否定词+双重否定词+情感词	$w a × (- 1) × 1 × w e$
程度副词+双重否定词+否定词+情感词	$w a × 1 × (- 1) × w e$

表4 所有可能出现组合情况的句间关系参数设置规则

出现组合情况

句间关系参数设置规则

转折关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 2.5

递进关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 1.5

假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q n = - 0.5$

转折关系+递进关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5

转折关系+假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

递进关系+转折关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5

递进关系+假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

假设关系+转折关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 2.5$

假设关系+递进关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 1.5$

转折关系+递进关系+

假设关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

转折关系+假设关系+

递进关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q k - 1 = - 1, q k, q k + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 1.5$

递进关系+转折关系+

假设关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

递进关系+假设关系+

转折关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q k - 1 = - 1, q k, q k + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 2.5$

假设关系+转折关系+

递进关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 0.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q k - 1 = - 0.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5$

假设关系+递进关系+

转折关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 0.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q k - 1 = - 0.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5$

特殊情况：转折/递进关系在否定假设关系前接词和假设关系后接词之间

出现“…否定假设关系前接词…转折/递进…假设关系后接词…”：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 2.5 / - 1.5, q m, q m + 1, …, q n = - 0.5$

表4 所有可能出现组合情况的句间关系参数设置规则

出现组合情况

句间关系参数设置规则

转折关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 2.5

递进关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 1.5

假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q n = - 0.5$

转折关系+递进关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5

转折关系+假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

递进关系+转折关系

q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5

递进关系+假设关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

假设关系+转折关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 2.5$

假设关系+递进关系

出现假设关系前接词且出现假设关系后接词： $q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 1.5$

转折关系+递进关系+

假设关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

转折关系+假设关系+

递进关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 2.5, q k, q k + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q k - 1 = - 1, q k, q k + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 1.5$

递进关系+转折关系+

假设关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 0.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q j - 1 = 2.5, q j, q j + 1, …, q m - 1 = - 1, q m, q m + 1, …, q n = - 0.5$

递进关系+假设关系+

转折关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 1.5, q k, q k + 1, …, q m - 1 = 0.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q j - 1 = 1.5, q j, q j + 1, …, q k - 1 = - 1, q k, q k + 1, …, q m - 1 = - 0.5, q m, q m + 1, …, q n = 2.5$

假设关系+转折关系+

递进关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 0.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q k - 1 = - 0.5, q k, q k + 1, …, q m - 1 = 2.5, q m, q m + 1, …, q n = 1.5$

假设关系+递进关系+

转折关系

出现假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q i - 1 = 1, q i, q i + 1, …, q k - 1 = 0.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5$

出现否定假设关系前接词且出现假设关系后接词：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q k - 1 = - 0.5, q k, q k + 1, …, q m - 1 = 1.5, q m, q m + 1, …, q n = 2.5$

特殊情况：转折/递进关系在否定假设关系前接词和假设关系后接词之间

出现“…否定假设关系前接词…转折/递进…假设关系后接词…”：

$q 1, q 2, …, q j - 1 = 1, q j, q j + 1, …, q i - 1 = - 1, q i, q i + 1, …, q m - 1 = - 2.5 / - 1.5, q m, q m + 1, …, q n = - 0.5$

表5 京东、淘宝爬虫数据样本数

平台	样本数			样本总数
平台	生鲜类	服装类	电子产品类	样本总数
京东	25 223	30 525	26 390	82 138
淘宝	30 650	26 812	30 327	87 789

表6 物流关键句筛选去重后的数据样本数及占原始数据样本数比重

样本

总数

表7 不同方法的有效性评估指标对比

方法	情感极性	精确率	召回率	F值
支持向量机（SVM）	积极	0.84	0.80	0.82
	消极	0.68	0.76	0.72
	中性	0.64	0.60	0.62
卷积神经网络（CNN）	积极	0.85	0.61	0.71
	消极	0.72	0.98	0.83
	中性	0.40	0.28	0.33
物流领域情感词典+普通语义规则	积极	0.96	0.64	0.77
	消极	0.95	0.65	0.77
	中性	0.34	0.88	0.49
普通情感词典+优化语义规则	积极	0.88	0.85	0.86
	消极	0.93	0.62	0.74
	中性	0.37	0.69	0.48
物流领域情感词典+优化语义规则	积极	0.93	0.94	0.93
	消极	0.95	0.89	0.92
	中性	0.64	0.72	0.68

表8 京东和淘宝平台3类产品物流服务水平的对比

平台	品类	评论数			总评论数	满意率/%	不满意率/%	中性评价占比/%	平均情感得分	平均满意率/%	平均不满意率/%
平台	品类	积极	消极	中性	总评论数	满意率/%	不满意率/%	中性评价占比/%	平均情感得分	平均满意率/%	平均不满意率/%
京东	电子产品类	7 201	970	3 676	11 847	61	8	31	2.49	68	9
	服装类	5 082	590	1 679	7 351	69	8	23	2.16
	生鲜类	10 016	1 338	1 984	13 338	75	10	15	3.57
淘宝	电子产品类	7 180	794	3 513	11 487	63	7	30	2.07	66	11
	服装类	2 469	455	1 149	4 073	61	11	28	1.60
	生鲜类	12 906	2 332	1 913	17 151	75	14	11	2.28

表9 京东和淘宝的3类产品物流服务水平的平均水平

品类

满意率/%

不满意率/%

中性评价

占比/%

平均情感

得分

参考文献 22

1	贾鹏，董洁.基于BSC的物流服务供应链绩效指标可拓优度评价［J］.统计与决策， 2018， 34（3）： 44-48. 10.13546/j.cnki.tjyjc.2018.03.009
2	姜旭.基于AHP-DEA法的天津港集装箱物流服务评价研究［J］.铁道运输与经济， 2019， 41（1）： 1-6. 10.16668/j.cnki.issn.1003-1421.2019.01.01
3	孟威，陈继红，罗萍，等.基于模糊物元的沿海港口物流综合服务水平评价与应用［J］.水运工程， 2015（7）： 41-46. 10.3969/j.issn.1002-4972.2015.07.008
4	ZHANG J， LIU X P. Evaluation of integrated logistics service based on SERVQUAL model ［C］// Proceedings of the 2017 International Conference on Computer Systems， Electronics and Control. Piscataway： IEEE， 2017： 100-104. 10.1109/iccsec.2017.8447051
5	杨鑫，杨云帆，焦维，等.基于领域词典的民宿评论情感分析［J］.科学技术与工程， 2020， 20（7）： 2794-2800. 10.3969/j.issn.1671-1815.2020.07.039
6	朱颢东，李雯琦.基于语义规则和表情加权的中文微博情感分析方法［J］.轻工学报， 2020， 35（2）： 74-82. 10.12187/2020.02.010
7	XU G X， YAO Z H， YAO H S， et al. Chinese text sentiment analysis based on extended sentiment dictionary ［J］. IEEE Access， 2019， 7： 43749-43762. 10.1109/access.2019.2907772
8	何天翔，张晖，李波，等.结合情感词网的中文短文本情感分类［J］.计算机应用研究， 2015， 32（10）： 2905-2909. 10.3969/j.issn.1001-3695.2015.10.006
9	吴杰胜，陆奎.基于多部情感词典和规则集的中文微博情感分析研究［J］.计算机应用与软件， 2019， 36（9）： 93-99. 10.3969/j.issn.1000-386x.2019.09.017
10	李明，胡吉霞，侯琳娜，等.商品评论情感倾向性分析［J］.计算机应用， 2019， 39（S2）： 15-19.
11	王颖洁，朱久祺，汪祖民，等.自然语言处理在情感分析领域应用综述［J/OL］.计算机应用.［2022-09-19］. . 10.11772/j.issn.1001-9081.2021071262
12	王立志，慕晓冬，刘宏岚.采用改进粒子群优化的SVM方法实现中文文本情感分类［J］.计算机科学， 2020， 47（1）： 231-236. 10.11896/jsjkx.181102130
13	DIPTI S， MUNISH S. Sentiment analysis for social media using SVM classifier of machine learning ［J］. International Journal of Innovative Technology and Exploring Engineering， 2019， 8（9）：39-47. 10.35940/ijitee.i1107.0789s419
14	代丽，樊粤湘，陈思.基于卷积神经网络的短文本情感分类［J］.计算机系统应用， 2021， 30（1）： 214-220. 10.15888/j.cnki.csa.007741
15	张海涛，王丹，徐海玲，等.基于卷积神经网络的微博舆情情感分类研究［J］.情报学报， 2018， 37（7）： 695-702. 10.3772/j.issn.1000-0135.2018.07.005
16	LU S， LIYING S， SHUSONG W， et al. Sentiment analysis of film reviews based on CNN ［J］. Journal of Physics： Conference Series， 2020， 1550（3）： 032056. 10.1088/1742-6596/1550/3/032056
17	刘丽，王永恒，韦航.面向产品评论的细粒度情感分析［J］.计算机应用， 2015， 35（12）： 3481-3486. 10.11772/j.issn.1001-9081.2015.12.3481
18	刘敏，王向前，李慧宗，等.基于文本挖掘的网络商品评论情感分析［J］.辽宁工业大学学报（自然科学版）， 2018， 38（5）： 330-335.
19	李继东，王移芝.基于扩展词典与语义规则的中文微博情感分析［J］.计算机与现代化， 2018（2）： 89-95. 10.3969/j.issn.1006-2475.2018.02.019
20	齐爽.基于新词发现的微博文本情感倾向性分析研究［D］.杭州：杭州电子科技大学， 2018： 35.
21	吴江，唐常杰，李太勇，等.基于语义规则的Web金融文本情感分析［J］.计算机应用， 2014， 34（2）： 481-485.
22	赵天奇，姚海鹏，方超，等.语义规则与表情加权融合的微博情感分析方法［J］.重庆邮电大学学报（自然科学版）， 2016， 28（4）： 503-510.

[1]	郑智雄, 刘建华, 孙水华, 徐戈, 林鸿辉. 融合多窗口局部信息的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1796-1802.
[2]	方澄, 李贝, 韩萍, 吴琼. 基于语法依存图的中文微博细粒度情感分类[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1056-1061.
[3]	刘欢, 窦全胜. 嵌入不同邻域表征的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 37-44.
[4]	刘辉, 马祥, 张琳玉, 何如瑾. 融合匹配长短时记忆网络和语法距离的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 45-50.
[5]	衡红军, 徐天宝. 基于多尺度卷积和门控机制的注意力情感分析模型[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2674-2679.
[6]	仇丽青, 曲福帅. 基于情感分析和影响力评估的突发事件情感图谱[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1330-1338.
[7]	潘列, 曾诚, 张海丰, 温超东, 郝儒松, 何鹏. 结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1108-1115.
[8]	王颖洁, 朱久祺, 汪祖民, 白凤波, 弓箭. 自然语言处理在文本情感分析领域应用综述[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1011-1020.
[9]	罗浩然, 杨青. 基于情感词典和堆叠残差的双向长短期记忆网络的情感分析[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1099-1107.
[10]	孟佳娜, 吕品, 于玉海, 孙世昶, 林鸿飞. 基于胶囊网络的方面级跨领域情感分析[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3700-3707.
[11]	张家菊, 林慧苹. 基于客服对话的产品和服务质量分析[J]. 《计算机应用》唯一官方网站, 2022, 42(11): 3527-3533.
[12]	章荪, 尹春勇. 基于多任务学习的时序多模态情感分析模型[J]. 计算机应用, 2021, 41(6): 1631-1639.
[13]	赖雪梅, 唐宏, 陈虹羽, 李珊珊. 基于注意力机制的特征融合-双向门控循环单元多模态情感分析[J]. 计算机应用, 2021, 41(5): 1268-1274.
[14]	孟祥瑞, 杨文忠, 王婷. 基于图文融合的情感分析研究综述[J]. 《计算机应用》唯一官方网站, 2021, 41(2): 307-317.
[15]	邱宁佳, 王晓霞, 王鹏, 王艳春. 融合语法规则的双通道中文情感模型分析[J]. 计算机应用, 2021, 41(2): 318-323.