[發明專利]將詞典知識合并入SVM學習以改進情感分類

有效

• 申請號: 201210130002.3
• 申請日: 2012-04-20
• 公開（公告）號: CN102760153B
• 公開（公告）日: 2017-12-05
• 發明（設計）人: J·方;B·陳
• 申請（專利權）人: 帕洛阿爾托研究中心公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國專利代理(香港)有限公司72001
• 代理人: 方世棟,王忠忠

技術領域

本申請目的在于自動的分類，并且更特別地目的在于自動的情感 分類，其中情感分類被理解為是特定類型的文本分類，其用作分類信 息(諸如以文本的形式)的意見或情感，當其涉及特定的論題或主題 時。

背景技術

兩種典型的用于情感分析的方法是詞典查找和機器學習。詞典查 找方法通常從正面的和負面的單詞的詞典開始。例如，“漂亮的”被 確認為正面的單詞并且“丑陋的”被確認為負面的單詞。文本的總的 情感由一組單詞的情感和在所述文本中出現的表達確定。

綜合性的情感詞典可以提供簡單然而有效的用于情感分析的解 決方案，因為其是普通的并且不需要預先的訓練。因此，已經花費關 注和努力用于構建這樣的詞典。然而，對該方法的重大的挑戰是：許 多單詞的極性依賴于領域和上下文。例如，“長”在“長的電池壽命” 中是正面的并且在“長的快門遲滯”中是負面的。當前的情感詞典不 捕獲情感表達的這樣的領域和上下文敏感性。它們排除這樣的領域和 上下文依賴的情感表達或者基于從某個語料庫(corpus)(諸如通過 因特網而被訪問的萬維網)收集的統計資料而用總的極性趨勢標記它 們。雖然排除這樣的表達導致差的覆蓋范圍，用極性趨勢簡單地標記 它們導致差的精度。

由于這些限制，機器學習方法已經正在情感分析的領域中得到日 益增加的普及。諸如使用支持向量機(SVM)的那些機器學習方法不 依靠情感詞典以確定單詞和表達的極性，并且可以自動地學習一些在 訓練數據中示出的上下文相關性。例如，如果“長的電池壽命”和“長 的快門遲滯”在所述訓練數據中分別被標記為正面的和負面的，學習 算法可以學會：當其與短語“電池壽命”相關聯時“長”是正面的， 而當與短語‘快門遲滯’相關聯時其是負面的。

然而，這樣的方法的成功嚴重地依賴所述訓練數據。對于情感分 析的任務，由于自然語言的豐富，數據不足是不能被容易地解決的固 有問題。特別地，人們傾向于使用不同的表達來表示相同的情感，并 且也傾向于在相同的句子或文件中不重復他們的情感。因此，收集足 夠表示人們如何對于各種主題表達情感的訓練數據是非常困難的。與 一些其它文本分類任務相比，該數據不足問題已經導致了對情感分類 的相對低的準確度。

因此，盡管最近的研究已經顯示對于情感分析的任務，機器學習 方法通常優于所述詞典查找方法，忽視由情感詞典提供的優勢和知識 可能不是最優的。

然而，少數研究已經致力于將這兩種方法相結合以改進情感分 類。一些已經探索使用通用情感詞典以改進短語的上下文極性的識 別。一些其它最近的研究已顯示：將通用情感詞典合并到機器學習算 法中可以改進在文件級別上的情感分類的準確度。在所有這些工作 中，通用情感詞典包含具有獨立于上下文/領域的極性的單詞。本情感 分類器系統和方法不同于這些以前的方法。

發明內容

用于內容的情感分類的情感分類器。方面分類器被配置為將內容 分類為與信息的特定方面相關，所述方面分類器合并所述領域特定情 感詞典的至少一部分。極性分類器隨后被配置為將由所述方面分類器 分類的內容分類為具有下列之一：信息的特定方面的正面的情感、信 息的特定方面的負面的情感，或者將其分類為不具有關于信息的特定 方面的情感。所述極性分類器也合并所述領域特定情感詞典的至少一 部分。

附圖說明

圖1示出了具有兩個子詞典的名稱詞典，包括主題子詞典和情感 子詞典；

圖2示出了根據本申請的呈現語料庫過濾的方法的流程圖；

圖3示出了顯示用于使用語言模式進行網絡(web)搜索和過濾 的處理的流程圖；

圖4是顯示由圖3的方法識別的一些噪聲單詞的圖；

圖5是示出了將極性提供給領域特定詞典的單詞和/或短語的方 法的流程圖；

圖6提供了示出具有方面分類器和極性分類器的情感分類器的 框圖；

圖7是描繪了圖6的所述情感分類器的操作的流程圖；

圖8是顯示了屬于類的點之間的距離的例圖；

圖9描繪了在領域特定詞典的創建的過程期間本申請的系統；

圖10描繪了在當所述情感分類器正在被訓練時的過程期間的本 系統的結構；以及

圖11描繪了當所述情感分類器正在工作時本系統的結構。

具體實施方式