[發明專利]基于自適應提升算法的中文微博觀點句識別特征的提取方法

在審

• 申請號: 201410135746.3
• 申請日: 2014-04-04
• 公開（公告）號: CN103886097A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: 陳鍛生;吳揚揚;方圓
• 申請（專利權）人: 華僑大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：包括：

步驟1，具有帶是否為觀點句標記的微博訓練樣本，輸入該微博訓練樣本集合S={(x_i,y_i),i=1,…,n}，其中x_i∈X，y_i∈Y，Y={-1,+1}，X是該n個微博訓練樣本的m個特征，Y是每一個微博訓練樣本對應的分類結果，若該微博訓練樣本x_i是觀點句，則該微博訓練樣本標記為y_i=+1，否則為y_i=-1；

設定特征選擇的迭代終止條件為：分類誤差ε_j與0.5的差距小于閾值β，其中，β可根據情況自行設定；

設定微博訓練樣本集的初始權重分布D₁為平均分布，即

設定被選擇的初始特征集合為空集；

設定迭代變量初始值j=1，最大迭代次數為m；

步驟2，按以下步驟21-27進行循環迭代，包括：

步驟21，在權重分布為D_j的微博訓練樣本集中，找到以特征f_j為單一特征的弱分類器h_j，該弱分類器h_j對該微博訓練樣本集的分類誤差ε_j與0.5的差距最大，其中：該弱分類器對該微博訓練樣本集的分類誤差h為所有輸出為Y的單一特征弱分類器；

步驟22，記下該弱分類器h_j的參數：特征f_j、二分該權重分布微博訓練樣本集的閾值和二元關系運算符；

步驟23，更新被選擇特征集合F=F∪{f_j},本次迭代所選的特征f_j在以后的迭代中不再使用；

步驟24，計算該弱分類器h_j在強分類器H中的權重

步驟25，如果分類誤差|ε_j-0.5|≤β，則最大迭代次數T=j，退出迭代，結束特征選擇，否則，繼續進行步驟26；

步驟26，迭代變量j值加1，如果j大于m，則已經選擇全部特征，退出迭代，否則，繼續進行步驟27；

步驟27，更新該微博訓練樣本集的權重分布：i=1,…,n，其中，返回步驟21；

步驟3，輸出被選擇特征集合F={f_j|j=1,…,T}和強分類器H(x)=sign[Σj=1Tαjhj(x)].]]>

2.根據權利要求1所述的基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：該分類誤差ε_j與0.5的差距β能夠被設定。

3.根據權利要求1所述的基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：中文微博觀點句的識別特征包括中文微博語句中的詞性。

4.根據權利要求1所述的基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：中文微博觀點句的識別特征包括情感詞典中的情感詞語集合。

5.根據權利要求1所述的基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：中文微博觀點句的識別特征包括詞與詞之間的依存特征。

6.根據權利要求1所述的基于自適應提升算法的中文微博觀點句識別特征的提取方法，其特征在于：中文微博觀點句的識別特征包括詞與詞之間的位置特征。