观点挖掘：抽取观点持有者、目标与表达

喜欢这款相机的用户 → 用户 [nsubj] I love this phone → I [nsubj]

可以设计规则：“如果存在情感词，且其主语是某人或某组织，则抽取为主观持有者”。工具如 spaCy 的依存解析可以快速实现：

```python
import spacy
nlp = spacy.load("en_core_web_sm")
doc = nlp("The battery life of this phone is excellent.")
# 查看情感词 "excellent" 的主语
for token in doc:
    if token.dep_ == "nsubj" and token.head.text == "excellent":
        print("持有者:", token.text)

2.2 基于序列标注的监督学习

将观点持有者抽取看作一个序列标注任务，使用 BIO 标签标注出持有者短语。常用模型：条件随机场（CRF）、BiLSTM-CRF、BERT 等。需要人工标注数据集，特征可包含词性、依存关系、位置等。

2.3 隐式持有者推断

很多句子没有显式持有者，例如“这辆车真费油！”。此时可基于语境推断，常见做法：

• 使用作者作为默认持有者（适用于用户评论）。
• 对引用内容进行源关联（如“张三说：‘这车不行’” → 持有者：张三）。

三、观点目标抽取

观点目标（亦称“方面词”）是观点所针对的实体或属性，如“相机的画质很清晰”中的“画质”。抽取任务常被称为方面词提取（Aspect Term Extraction）。

3.1 高频名词/名词短语

最简单的方法：从领域语料中统计高频名词，再经人工筛选。但噪声较高，会遗漏低频但重要的目标。

3.2 基于依存语法关系

情感词往往与其目标存在特定依存关系。例如，“画质清晰”中，“画质”是“清晰”的名词主语（nsubj）；“价格合理”中，“价格”是“合理”的名词主语。可定义模板：

• 情感词（形容词）← nsubj ← 目标（名词）
• 目标（名词）→ amod → 情感词（形容词）

使用 spaCy 或 Stanza 提取此类配对，并聚类相似的目标词。

3.3 主题模型

LDA（Latent Dirichlet Allocation）可无监督发现文档中的潜在“主题”，每个主题下的高频词往往对应一个个方面。但主题模型不直接关联情感，需要后处理。

3.4 序列标注与深度学习

与持有者抽取类似，可使用 CRF 或 BERT 进行端到端序列标注。当前性能最好的方法大多基于预训练语言模型微调，如从句子“Battery life is great”中标注 “Battery” 和 “life” 为方面词（B-aspect, I-aspect）。

常用数据集：SemEval 的 Laptop 和 Restaurant 评论数据集，提供了方面词和情感极性的标注。

四、观点表达抽取

观点表达是文本中带有情感或主观性的词或短语，例如“惊艳的”、“垃圾”、“一般般”。它可能是形容词、动词、名词或组合。

4.1 词典法

利用已有的情感词典（如 HowNet、NTUSD、SentiWordNet）进行匹配。优点是快速，缺点是无法处理未登录词或上下文相关表达。

最小实现：

positive_words = ["good", "great", "excellent", "love"]
negative_words = ["bad", "terrible", "hate"]
def extract_expressions(text):
    words = text.lower().split()
    return [w for w in words if w in positive_words + negative_words]