[發明專利]一種基于XML的情感詞詞性標注的方法

無效

• 申請號: 201210057091.3
• 申請日: 2012-03-06
• 公開（公告）號: CN102646128A
• 公開（公告）日: 2012-08-22
• 發明（設計）人: 毛峽;趙鵬飛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種詞語標注的方法，尤其是在XML架構下按詞性對情感詞進行標注的方法，屬于自然語言處理與情感計算領域。

背景技術

漢語文本中蘊含著豐富的情感詞匯，研究漢語文本情感，詞匯的情感標注尤為重要。當前的分詞系統能夠有效的將漢語文本按照不同成分進行劃分，如何將這些成分有效的分類標注，對后續的情感計算工作具有重要的意義。

XML是一種可拓展標記語言，用于標記電子文件使其具有結構性的標記語言，可以用來標記數據、定義數據類型，是一種允許用戶對自己的標記語言進行定義的源語言。XML是標準通用標記語言(SGML)的子集，非常適合Web傳輸與程序調用，另外，XML是一種跨平臺的語言，而且所有的面向對象的程序語言都可以支持XML。XML?Schema定義了XML文檔的規范，可以視作XML的約束文檔，使用XML?Schema定義的規范也就是在XML文檔中存儲被標記的情感詞的結構。

在當前的文本標注研究中，多以文本文檔或者表格文檔對分詞后的文本成分進行存儲，結構不清晰，不利于后續程序開發以及情感計算中的調用。因此使用XML對情感詞詞匯的標注方法具有很強的現實意義，利用XML?Schema對XML的約束方法，增強了標注結構的擴展性和規范性。

發明內容

本發明提供了一種基于XML的情感詞詞性標注的方法。

包括以下步驟：

步驟一：根據漢語詞匯詞性的不同制定XML元素標簽；

步驟二：根據制定的詞性標簽的邏輯關系編寫Schema約束文檔；

步驟三：設計表征詞匯情感屬性的參數維度；

步驟四：按照詞匯的詞性將情感詞存儲在所屬標簽下的XML文檔中。

在步驟一中：按照分詞后的詞匯詞性不同，將這些詞匯根據詞性的不同賦予不同的標簽，例如：對于動詞使用<v/>進行標注，名詞使用<n/>進行標注。對于在一種詞性中不同分類的二級詞性，進行標注，例如在形容詞標簽<a/>中定義了<ad/>、<an/>、<ag/>和<al/>四種二級標簽。特別的對于在漢語文本中常見的詞語或者符號進行了單獨的標注，例如<vshi/>和<vyou/>分別作為“是”和“有”的標簽，<vand/>和<vbut/>分別作為兩種連詞并列關系和轉折關系的標簽，<ww/>和<wt/>分別作為“？”和“！”的標簽。具體標注標簽見說明書附圖。

在步驟二中：用Schema語言編寫XML的約束文檔，定義XML的結構規則。根節點定義為<xs:element?name＝″情感詞詞性標注規范″/>，用<xs:complexType/>復雜類型定義所有的一級子節點，也就是一級詞性的節點，用<xs:sequence/>約束節點的順序模式，對于包含二級子節點的詞性，用<xs:complexType/>定義二級子節點，節點元素定義格式為<xs:elementname＝″″maxOccurs＝″unbounded″>，其中″unbounded″表示可以存儲無限個情感詞匯，每一種詞性的最低級詞性標簽的內容為情感詞匯，因此在最低級詞性節點處定義情感詞匯的屬性。

在步驟三中：在設計情感詞屬性形式中，采用三個參數定義一個詞匯的，分別為<xs:attribute?name＝″h″/>、<xs:attribute?name＝″s″/>、<xs:attribute?name＝″v″/>。其中h取值范圍0-360，s和v取值范圍為0-100，每個情感詞的情感值由這三個屬性共同確定。

在步驟四中：根據Schema定義的約束，存儲情感詞匯，例如存儲“高興”，則為：<n?h＝20s＝90?v＝90>高興</n>。

本發明的方法的優點在于，利用XML文檔代替文本文檔或者表格文檔存儲情感詞匯，使情感詞更容易被程序調用以及后續的增改；利用詞性作為情感詞分類的依據，更有效的聯系了分詞系統與標注系統的關系；設計情感詞三維數值屬性，更精確的描述情感詞的情感屬性。

附圖說明

圖1為XML?Schema定義的節點結構圖，其中長方形框內的內容極為節點元素名。

具體實施方式