[發明專利]一種基于語言模型的情感分類方法

無效

• 申請號: 200710071370.4
• 申請日: 2007-09-21
• 公開（公告）號: CN101127042A
• 公開（公告）日: 2008-02-20
• 發明（設計）人: 卜佳俊;陳純;仇光;劉康苗
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州求是專利事務所有限公司
• 代理人: 林懷禹

1.一種基于語言模型的情感分類方法，其特征在于：

1)情感語料庫收集：通過收集互聯網上的博客文章作為原始語料庫，再對文本情感極性進行人工標注，判斷是正面，負面還是中性評價；

2)詞空間定義：對所收集的語料庫文本進行分詞處理，將其中的詞取出，組成詞空間V；

3)情感語言模型建立：基于以上對標注的情感語料庫中的文本進行分詞處理后，計算詞空間V中的每個詞在正面和負面語料庫中出現的概率，分別得出正面情感語言模型LM_P和負面情感語言模型LM_N；

4)文本語言模型建立：對待分類的文本進行分詞處理，計算詞空間V中的每個詞在文本中出現的概率，得到該文本的語言模型LM_T；

5)文本情感判斷：計算文本語言模型LM_T與正面情感語言模型LM_P、負面情感語言模型LM_N之間的距離，分別記為Dist_P和Dist_N；當Dist_P＞Dist_N時，判別文本的情感為負面，當Dist_P＜Dist_N時，則判別文本的情感為正面，當Dist_P＝Dist_N時，則判別文本的情感為中性。

2.根據權利要求1所述的一種基于語言模型的情感分類方法，其特征在于：所述的步驟1)中的博客文章是利用百度提供的博客搜索服務得到的。

3.根據權利要求2所述的一種基于語言模型的情感分類方法，其特征在于：為了得到搜索結果，提供給百度博客搜索服務的查詢條件為電影名稱、數碼產品的名稱。

4.根據權利要求2所述的一種基于語言模型的情感分類方法，其特征在于，每個查詢所取的結果數目可根據應用環境的要求進行設置。

5.根據權利要求1所述的一種基于語言模型的情感分類方法，其特征在于，所述的步驟2)中的詞為去掉停用詞之后的集合。

6.根據權利要求1所述的一種基于語言模型的情感分類方法，其特征在于，所述的步驟3)，4)中的詞w在語料庫C中或文本D中出現的概率的計算方法為：

p(w|X)=C(w,X)Σwi∈VC(wi,X)]]>

其中，

X代表語料庫C或文本D；

C(w，X)為詞w在語料庫C或文本D中出現的次數；

Σwi∈VC(wi,X)]]>為詞空間V中的所有詞在語料庫C或文本D中出現的總次數。