什么是SentiWordNet

SentiWordNet（情感词网）概述

1. 什么是 SentiWordNet
SentiWordNet 是在 WordNet 词库基础上构建的情感词典，用于情感分析（Opinion Mining）和情感倾向性判别。它为 WordNet 中的每个同义词集合（synset）分配 三个情感评分：

• Pos(s)：积极（positive）得分
• Neg(s)：消极（negative）得分
• Obj(s)：客观/中性（objective）得分

这三个分数的取值范围均为 0.0 ~ 1.0，且 Pos + Neg + Obj = 1.0，因此每个 synset 可以同时拥有非零的积极、消极和客观成分。

2. 发展历程与主要版本

• 首次提出：由意大利学者 Esuli 与 Sebastiani 在 2006 年通过半监督学习和随机游走方法为 WordNet 2.0 的全部 synset 自动标注情感分数。
• 后续迭代：在 WordNet 3.0 基础上发布了 SentiWordNet 3.0，覆盖约 150 000+ 同义词集合，采用 CC BY‑SA 4.0 许可证，可在商业项目中使用，只需注明来源。
• 扩展与衍生：如 Micro‑WordNet‑Opinion 3.0、SentiTurkNet（土耳其语版）等，都是在原始 SentiWordNet 思路上针对特定语言或领域的扩展。

3. 评分的生成方式

1. 词义定义（Gloss）分析：利用 WordNet 同义词集合的定义文本，抽取情感倾向词。
2. 半监督学习：对已知情感词进行标注，训练分类器对未标注 synset 进行情感预测。
3. 随机游走（Random Walk）：在 WordNet 语义网络上进行传播，利用已标注节点的情感信息对邻近节点进行修正。
4. 归一化：对每个 synset 的 Pos、Neg、Obj 三个原始得分进行归一化，使其和为 1.0。

4. 主要特征

5. 使用示例（Python / NLTK）

from nltk.corpus import sentiwordnet as swn

# 查询 “good” 作为形容词的第一个同义词集合
syn = swn.senti_synset('good.a.01')
print('Pos:', syn.pos_score())
print('Neg:', syn.neg_score())
print('Obj:', syn.obj_score())

输出示例（实际数值随版本略有差异）：

Pos: 0.75
Neg: 0.0
Obj: 0.25

该示例展示了如何直接获取词义层面的情感强度。

6. 与其他情感词典的比较

• AFINN、SentiStrength 等词典通常只提供 词层面（不区分同义词集合）的情感分数，且多为 整数（-5 ~ +5）。
• SentiWordNet 则在 词义层面（synset）提供 细粒度 的三元评分，能够更好地处理多义词和上下文差异，覆盖面更广。

7. 常见应用案例

1. 情感倾向分类：将文本分词后映射到对应 synset，累加 Pos 与 Neg 分数，比较两者大小决定整体情感极性。
2. 特征工程：在机器学习模型中将每个词的 Pos/Neg/Obj 分数作为特征向量，提升情感分类器的表现。
3. 情感词库扩展：结合 SentiWordNet 与领域特有词汇（如金融、医学）构建专属情感词典，提高特定领域的情感分析准确度。

8. 局限与发展方向

• 覆盖不足：虽然词库规模大，但对新兴网络词汇（如 hashtag、emoji）覆盖仍有限。
• 语言限制：原始 SentiWordNet 主要针对英文，其他语言需自行构建对应的情感词库（如 SentiTurkNet、SentiWordNet‑FR 等）。
• 情感强度固定：评分基于静态语料，难以捕捉随时间变化的情感趋势，未来可能结合大规模社交媒体语料进行动态更新。

结语
SentiWordNet 通过在 WordNet 语义网络上为每个同义词集合赋予细粒度的积极、消极和客观分数，为自然语言处理中的情感分析提供了一个高覆盖、可编程且开放的基础资源。它已被广泛集成到 NLTK、Stanford CoreNLP、spaCy 等主流 NLP 框架中，成为学术研究与工业实践中不可或缺的情感词典之一。