[發(fā)明專利]基于主體模型的網(wǎng)上評論情感分類方法

有效

• 申請?zhí)枺?/td>: 201410389465.0
• 申請日: 2014-08-08
• 公開（公告）號: CN104199845B
• 公開（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 姜明;王建;陳嬋;王興起;張旻;湯景凡;胡宏宇
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.基于主體模型的網(wǎng)上評論情感分類方法，其特征在于包括如下步驟：

步驟(1)提取網(wǎng)站的評論，具體是：分析某門戶網(wǎng)站以及某購物網(wǎng)站網(wǎng)頁源代碼，利用正則表達(dá)式獲取評論欄，記錄該評論屬于哪一類別，并按照每類每條評論一個文本文件存儲；

步驟(2)使用中文分詞包對評論進(jìn)行分詞，具體是：選定中文分詞包以及分詞方法，選定要求是盡可能的保持原文的語義環(huán)境，這里使用的是最大粒度細(xì)分的方法；

步驟(3)去除人稱代詞、助詞、數(shù)字、字母以及標(biāo)點(diǎn)符號；

步驟(4)選定各個模型參數(shù)以及需要進(jìn)行分類的情感數(shù)，具體是：

4-1、選定模型的超參數(shù)α，γ，將其設(shè)置為1；

4-2、設(shè)定模型參數(shù)T，即主題的數(shù)目；

4-3、設(shè)置另外一個超參數(shù)β，β設(shè)置為T/50；

4-4、設(shè)置情感數(shù)S，要分類的情感有兩種，即正面和負(fù)面，所以S為2；

步驟(5)建立模型，具體是：本模型在主題模型的基礎(chǔ)上加入了情感因素的考量；按照自然語言的表達(dá)習(xí)慣，假設(shè)一句話只表達(dá)一個情感值，故對句子進(jìn)行情感標(biāo)簽采樣，建立文檔-句子-情感關(guān)系；同樣的，每句話也只表達(dá)一個主題，對句子進(jìn)行主題采樣，建立文檔-句子-主題關(guān)系；

步驟(6)將步驟(5)中建立的模型應(yīng)用于評論的情感分類，具體是：

根據(jù)預(yù)處理的網(wǎng)上評論，也就是文檔生成過程的最終結(jié)果—-主題情感詞，逆向工程，求出在文檔生成過程中發(fā)揮重要作用的三個概率分布變量，主題分布θ，情感分布П和主題-情感詞分布Ψ，然后根據(jù)情感分布П來判斷每篇文檔的情感值；

使用Gibbs sampling算法來估計(jì)分布變量θ，Ψ，П，馬卡洛夫鏈的每次轉(zhuǎn)移中，第i個句子的情感標(biāo)簽和主題標(biāo)簽是根據(jù)以下的條件概率來抽取的：

P ( z i = t , s i = j | S - i , Z - i , W ) ∝ C o u n t ( s , t ) - i + α C o u n t ( s ) - i + T α Γ ( C o u n t ( s , t ) + β ) Γ ( C o u n t ( s , t ) + V β + m i ) Π w = 1 V Γ ( C o u n t ( s , t ) + β + m i ) Γ ( C o u n t ( s , t ) + β ) C o u n t ( d , s ) + γ C o u n t ( d ) + S γ ; ]]>

其中Count(s,t)表示情感標(biāo)簽為s，主題標(biāo)簽為t的句子數(shù)，下標(biāo)i表示去除當(dāng)前句子的計(jì)數(shù)；z表示主題值，w表示文檔中的詞；Count(d,s)表示文檔d中情感標(biāo)簽為s的句子數(shù)；Count(d)為文檔的總數(shù)量，mi則表示該句子單詞數(shù)；那么三個參數(shù)θ、π、ψ的近似估計(jì)如下：

θ s t = C o u n t ( s , t ) + α C o u n t ( s ) + T α π d s = C o u n t ( s , d ) + γ C o u n t ( d ) + S γ ψ w s t = C o u n t ( w , s , t ) + β C o u n t ( s , t ) + V β ; ]]>

其中θ為文檔的主題分布、π為文檔的情感分布、ψ為詞的分布；Count(s)為情感標(biāo)簽為s的詞的總數(shù)，Count(s,d)為文檔d中情感標(biāo)簽為s的詞的總數(shù)，Count(w,s,t)為情感標(biāo)簽為s，主題標(biāo)簽為t的詞的總數(shù)；T為主題總數(shù)，S為情感數(shù)，V為文檔的單詞集大小；

將評論數(shù)據(jù)導(dǎo)入模型進(jìn)行計(jì)算，獲取模型輸出的П分布，它所代表的是每篇文檔屬于對應(yīng)S種情感的概率，根據(jù)公式：

S d = arg m a x s { π d s | s ∈ [ 1 , ... , S ] } ; ]]>

其中Sd表示文檔d對應(yīng)的情感，Пds表示文檔d屬于情感s的概率值，argmax表示在眾多情感s中，選取概率值Пds最大者，選擇概率最大的情感值，即為模型判斷文檔d所屬的情感值。