[發明專利]一種情感特征詞提取系統

無效

• 申請號: 200910089711.X
• 申請日: 2009-07-21
• 公開（公告）號: CN101609459A
• 公開（公告）日: 2009-12-23
• 發明（設計）人: 陶富民;高軍;王騰蛟;楊冬青
• 申請（專利權）人: 北京大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京紀凱知識產權代理有限公司
• 代理人: 徐 寧;關 暢

1、一種情感特征詞提取系統，其特征在于：它包括特征選取模塊、特征驗證 模塊、關系提取模塊、廣義情感特征詞表和狹義情感特征詞表；所述特征選取模 塊利用文章集合中的文章內容和評論集合中的評論內容，分別提取評論內容全體 的候選情感特征詞和分類的候選情感特征詞；所述關系提取模塊根據所述文章內 容，通過模板構建一個詞與詞的語義關系圖；通過所述全體的候選情感特征詞和 語義關系圖建立廣義情感特征詞表；通過所述分類的候選情感特征詞和語義關系 圖建立狹義情感特征詞表。

2、如權利要求1所述的一種情感特征詞提取系統，其特征在于：所述特征選 取模塊中候選情感特征詞的提取方法為：利用評論集合與文章集合的詞頻信息差 異，用打分法選取候選情感特征詞，計算方程為：

Score1(Term)＝(R_DF(Term)/(N_DF(Term)+1)????(1)

Score2(Term)＝(R_TF(Term)/(N_TF(Term)+1)????(2)

其中Score1表示通過方程(1)計算得到的分值，Score2表示通過方程(2)計算 得到的分值；Term表示詞；R_DF(Term)表示詞出現在所述評論集合的不同評論內 容中的次數；N_DF(Term)表示詞出現在所述文章集合的不同文章內容中的次數； R_TF(Term)表示詞在所述評論集合中出現的總次數；N_TF(Term)表示詞在所述文 章集合中出現的總次數；之后按分值對詞進行排序，選取一定數目得分較高的詞 作為候選情感特征詞；排序規則是先按Score1進行比較，如果Score1一樣，再 按Score2進行比較。

3、如權利要求1所述的一種情感特征詞提取系統，其特征在于：建立所述廣 義情感特征詞表時，在所述特征驗證模塊中，在全體的候選情感特征詞中選取部 分進行正負向標注，形成基礎情感特征詞表，所述基礎情感特征詞表根據其中的 詞性，分為正向表和負向表兩部分；在所述語義關系圖中找出基礎情感特征詞表 中已標注的情感特征詞的所有的同位詞，將這些同位詞擴充入所述基礎情感特征 詞表中的正向表和負向表中；最后結合所述語義關系圖，使用半監督學習的方法 對擴充的同位詞進行傾向標注和過濾，得到所述廣義情感特征詞表。

4、如權利要求2所述的一種情感特征詞提取系統，其特征在于：建立所述廣 義情感特征詞表時，在所述特征驗證模塊中，在所述全體的候選情感特征詞中選 取部分進行正負向標注，形成基礎情感特征詞表，所述基礎情感特征詞表根據其 中的詞性，分為正向表和負向表兩部分；在所述語義關系圖中找出基礎情感特征 詞表中已標注的情感特征詞的所有的同位詞，將這些同位詞擴充入所述基礎情感 特征詞表中的正向表和負向表中；最后結合所述語義關系圖，使用半監督學習的 方法對擴充后的正向表和負向表進行傾向標注和過濾，形成所述廣義情感特征詞 表。

5、如權利要求1或2或3或4所述的一種情感特征詞提取系統，其特征在于： 建立所述狹義情感特征詞表時，在所述特征驗證模塊中，針對所有的分類的候選 情感特征詞，結合所述擴充后的正向表和負向表，對各類候選情感特征詞進行半 監督學習的正負向判定。

6、如權利要求1或2或3或4所述的一種情感特征詞提取系統，其特征在于： 所述半監督學習方法為：在語義關系圖中尋找某個詞的同位詞，如果某個詞的同 位詞落在正向表中的數目大于落在負向表中的數目，并且落在正向表中的同位詞 數目超過預先設定的最小閾值，那么該詞的詞性就標識為正向；如果某個詞的同 位詞落在負向表中的數目大于落在正向表中的數目，并且落在負向表中的同位詞 數目超過預先設定的最小閾值，那么該詞就標識為負向；如果某個詞的同位詞落 在正向表和落在負向表中的數目均達不到預先設定的最小閾值，則過濾掉該詞。

7、如權利要求5所述的一種情感特征詞提取系統，其特征在于：所述半監督 學習方法為：在語義關系圖中尋找某個詞的同位詞，如果某個詞的同位詞落在正 向表中的數目大于落在負向表中的數目，并且落在正向表中的同位詞數目超過預 先設定的最小閾值，那么該詞的詞性就標識為正向；如果某個詞的同位詞落在負 向表中的數目大于落在正向表中的數目，并且落在負向表中的同位詞數目超過預 先設定的最小閾值，那么該詞就標識為負向；如果某個詞的同位詞落在正向表和 落在負向表中的數目均達不到預先設定的最小閾值，則過濾掉該詞。