[發明專利]基于關鍵句的多語言情感數據處理分類方法及系統

在審

• 申請號: 201410198519.5
• 申請日: 2014-05-12
• 公開（公告）號: CN103995853A
• 公開（公告）日: 2014-08-20
• 發明（設計）人: 程學旗;林政;張瑾;譚松波;徐學可
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

1.一種基于關鍵句的多語言情感數據處理分類方法，其特征在于，包括：

步驟1，從未標注的情感數據集中自動抽取一部情感詞典數據包，通過K近鄰算法和投票規則來最終判定情感詞的極性；

步驟2，用抽取出的情感詞典數據包計算情感屬性的得分，然后再綜合考慮位置屬性和關鍵詞屬性，自動為每一篇文本抽取若干句情感關鍵句；

步驟3，把抽取出的情感關鍵句直接應用于有監督情感數據分類和無監督情感數據分類中。

2.如權利要求1所述基于關鍵句的多語言情感數據處理分類方法，其特征在于，步驟1包括：

步驟21，以中文為例，根據模式匹配“很XX”和“非常XX”從整個數據集中抽出情感詞XX；

步驟22，以互信息作為相似度度量，根據K近鄰算法為每個情感詞指定一個情感極性；

步驟23，通過投票原則，對已經指定的情感極性進行優化。

3.如權利要求1所述基于關鍵句的多語言情感數據處理分類方法，其特征在于，步驟2包括：

步驟31，根據抽取出的情感詞典數據包計算每個句子的情感得分；

步驟32，根據高斯分布計算每個句子的位置得分；

步驟33，根據關鍵詞列表計算每個句子的關鍵詞得分；

步驟34，對情感得分、位置得分、關鍵詞得分進行加權求和，將得分最高的N個句子定為情感關鍵句。

4.如權利要求1所述基于關鍵句的多語言情感數據處理分類方法，其特征在于，步驟3包括：

無監督的情感數據分類：每一篇文本用若干句情感關鍵句替代，然后用已經抽取出的情感詞典數據包在關鍵句上判定每篇文本的極性；

有監督的情感數據分類：從未標注樣本中分別按照正類和負類情感詞的得分挑選出最確信的樣本作為標注集，然后訓練情感數據分類器，最后在關鍵句上判別每篇文章的極性。

5.一種基于關鍵句的多語言情感數據處理分類系統，其特征在于，包括：

極性判定模塊，用于從未標注的情感數據集中自動抽取一部情感詞典數據包，通過K近鄰算法和投票規則來最終判定情感詞的極性；

關鍵句抽取模塊，用于通過抽取出的情感詞典數據包計算情感屬性的得分，然后再綜合考慮位置屬性和關鍵詞屬性，自動為每一篇文本抽取若干句情感關鍵句；

情感數據分類模塊，用于把抽取出的情感關鍵句直接應用于有監督情感數據分類和無監督情感數據分類中。

6.如權利要求5所述基于關鍵句的多語言情感數據處理分類系統，其特征在于，所述極性判定模塊包括：

情感詞抽取模塊，用于以中文為例，根據模式匹配“很XX”和“非常XX”從整個數據集中抽出情感詞XX；

極性賦予模塊，用于以互信息作為相似度度量，根據K近鄰算法為每個情感詞指定一個情感極性；

極性優化模塊，用于通過投票原則，對已經指定的情感極性進行優化。

7.如權利要求5所述基于關鍵句的多語言情感數據處理分類系統，其特征在于，所述關鍵句抽取模塊包括：

情感得分計算模塊，用于根據抽取出的情感詞典數據包計算每個句子的情感得分；

位置得分計算模塊，用于根據高斯分布計算每個句子的位置得分；

關鍵詞得分計算模塊，用于根據關鍵詞列表計算每個句子的關鍵詞得分；

關鍵句確定模塊，用于對情感得分、位置得分、關鍵詞得分進行加權求和，將得分最高的N個句子定為情感關鍵句。

8.如權利要求5所述基于關鍵句的多語言情感數據處理分類系統，其特征在于，所述情感數據分類模塊包括：

無監督的情感數據分類模塊，用于通過將每一篇文本用若干句情感關鍵句替代，然后用已經抽取出的情感詞典數據包在關鍵句上判定每篇文本的極性；

有監督的情感數據分類模塊，用于從未標注樣本中分別按照正類和負類情感詞的得分挑選出最確信的樣本作為標注集，然后訓練情感數據分類器，最后在關鍵句上判別每篇文章的極性。