移动互联网的快速发展使得涉及医疗健康的社交网站也应运而生,越来越多的患者通过网络对药品的相关内容(治疗效果、副作用等)发表评论、分享用药经历。用户评论内容的爆炸式增长,产生了海量的文本数据。若仅依靠人工分析这些文本数据耗时耗力,因此人们开始尝试运用情感分析技术,通过对药品评论的情感分析能够帮助我们了解药物的终端去向(消费者)对药物的真实情感倾向。然而分析药品评论数据存在单词拼写错误、书写习惯个性化、表达情感比较隐晦间接等难点。目前,针对评论数据的研究一般集中在电子商务、电影影评等领域,对药品评论数据的研究相对较少,因此本文尝试将己有的情感分析技术跨领域应用于药品评论中,旨在找出预测效果最佳的模型。本文首先利用爬虫技术获取到国外健康网站上对应抑郁症的药品评论数据,然后对数据进行了去重、缺失值处理、消除标点符号、大小写转换、缩略词扩展、词形还原、过滤停用词等预处理操作。然后使用基于词典的情感分析和基于机器学习的情感分析这两种方法对数据进行分析研究。针对基于词典的情感分析,由于已有的词典并不适用于医药健康领域,所以本文首先去重合并了 WordNet词典、GI词典和知网HowNet的英文词典形成基础词典,然后将药品领域中特殊的情感词汇补充进基础词典。考虑到否定词的存在能逆转情感,对情感极性的判断具有重要影响,于是本文构建了否定词词典。此外,本文标记了积极词、消极词和否定词在文本中的位置索引,在传统的基于词典情感分析的基础上,建立了基于情感词和否定词之间的位置关系的情感分数计算规则。通过实证,发现基于本文改进的算法准确率高于传统的算法。针对基于机器学习的情感分析,本文首先利用网格搜索找出n元分词的最佳设置,然后通过交叉验证比较了逻辑回归模型、支持向量机、朴素贝叶斯和随机森林这四种单一方法的预测效果,利用准确率、召回率等指标进行模型评估,发现朴素贝叶斯的预测效果最好。为了进一步提升模型效果,本文尝试了 stacking算法。首先选择朴素贝叶斯和支持向量机这两个“好而不同”的单一模型作为stacking算法第一层的基模型,然后以逻辑斯蒂回归模型作为第二层模型,发现基于stacking算法的融合模型能够提高模型预测效果,精确率能达到90%左右。