研究论文数据分析与知识发现研究论文基于OCC模型和情绪诱因事件抽取的细颗粒度情绪识别方法研究*沈丽宁1,2杨佳艺1裴家旋1曹广1陈功正11（华中科技大学同济医学院医药卫生管理学院武汉430030）2（湖北省卫生技术评估研究中心武汉430030）摘要:【目的】从情绪诱因事件角度丰富传统细颗粒度情绪分析中的事件逻辑。【方法】分析OCC模型中的情绪生成规则和条件，利用事件抽取和文本分类方法生成<事件，情绪>二元组。【结果】研究构建了情绪生成规则，情绪类别划分具有理论基础。模型能够有效识别情绪诱因事件（F1=0.9338）及情绪（F1=0.9637），生成<事件，情绪>二元组（F1=0.8892），实现事件级细颗粒度情绪分析。【局限】情绪生成规则结构简单，难以体现网民情绪的多样性。现阶段构建的语料集存在领域局限性，每条语料只包含一种类型情绪诱因事件。【结论】借助OCC模型将事件评价和情绪相关联，让情绪识别更接近人类思维方式。模型的理解性和迁移性较强，提升了现有研究中情绪对象的粒度层次，为文本情绪分析领域研究提供新思路。关键词:OCC模型细颗粒度情绪分析情绪诱因事件抽取深度学习分类号:TP391DOI:10.11925/infotech.2096-3467.2022.0957引用本文:沈丽宁，杨佳艺，裴家旋等.基于OCC模型和情绪诱因事件抽取的细颗粒度情绪识别方法研究［J］.数据分析与知识发现，2023，7（2）：72-85.(ShenLining,YangJiayi,PeiJiaxuan,etal.AFine-GrainedSentimentRecognitionMethodBasedonOCCModelandTriggeringEvents[J].DataAnalysisandKnowledgeDiscovery,2023,7(2):72-85.)1引言在文本分析领域，情感分析（SentimentAnalysis）［1］是一种常见的自然语言处理方法的应用，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理，利用一些情感得分指标量化定性数据的方法。文本情感分析的应用非常广泛，如应用在购物网站［2］、网络舆情［3］等方面，为其提供决策支持和信息预测。从文本分析的粒度层次来看，情感分析可分为关注篇章及句子级的粗颗粒度研究和关注对象和属性的细颗粒度研究。随着组织和个人的要求越来越高，情感分析的粒度层次正逐步向细颗粒度分析层面发展［4］。目前的细颗粒度情感分析是对句中的对象进行情感分析，主要分为两类［5］：实体级情感分析通讯作者（Correspondingauthor）：沈丽宁（ShenLining），ORCID：0000-0002-7311-8777，E-mail：sln2008@hust.edu.cn。*本文系华中科技大学自主创新研究基金（人文社科）项目（项目编...
