[發(fā)明專利]基于微博情感的實(shí)體識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510864383.1
• 申請(qǐng)日: 2015-11-30
• 公開(kāi)（公告）號(hào): CN105335352A
• 公開(kāi)（公告）日: 2016-02-17
• 發(fā)明（設(shè)計(jì)）人: 崔曉輝;朱衛(wèi)平;張威風(fēng);楊威;王志波;李偉
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

1.一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，包括以下幾個(gè)步驟：

步驟1.訓(xùn)練階段，選取最優(yōu)機(jī)器學(xué)習(xí)算法；

步驟1.1根據(jù)Circumplex環(huán)形情感模型，構(gòu)造四類情感詞詞典；所述的四類情感詞詞典映射到一個(gè)二維坐標(biāo)系之中，這四個(gè)維度的坐標(biāo)軸分別是：快樂(lè)并活躍，快樂(lè)但不活躍，不快樂(lè)但活躍和不快樂(lè)不活躍；

步驟1.2使用網(wǎng)絡(luò)API采集技術(shù)，以四類情感詞為關(guān)鍵詞從微博上獲取微博數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)；

步驟1.3對(duì)采集到的訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，生成規(guī)范的訓(xùn)練數(shù)據(jù)集；

步驟1.4對(duì)訓(xùn)練數(shù)據(jù)提取關(guān)鍵字，依據(jù)向量空間模型對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行向量化；

步驟1.5依據(jù)預(yù)設(shè)的機(jī)器學(xué)習(xí)算法，分別對(duì)向量化的訓(xùn)練數(shù)據(jù)集進(jìn)行情感分類和5重交叉驗(yàn)證；

步驟1.6計(jì)算每個(gè)機(jī)器學(xué)習(xí)算法5次交叉驗(yàn)證的準(zhǔn)確率和召回率，挑選出準(zhǔn)確率和召回率平均值最高的機(jī)器學(xué)習(xí)算法作為最優(yōu)機(jī)器學(xué)習(xí)分類算法；

步驟2.實(shí)驗(yàn)階段，根據(jù)步驟1得到的最優(yōu)機(jī)器學(xué)習(xí)分類算法，得到被識(shí)別的情感實(shí)體；

步驟2.1按照步驟1中步驟1.1至步驟1.4相同的方法獲取向量化的實(shí)驗(yàn)數(shù)據(jù)集；

步驟2.2使用步驟1中的得到的最優(yōu)機(jī)器學(xué)習(xí)分類算法，對(duì)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行分類，得到四類情感數(shù)據(jù)集；

步驟2.3對(duì)四類情感數(shù)據(jù)集分別進(jìn)行一次實(shí)體抽取，得到被識(shí)別的情感實(shí)體。

2.根據(jù)權(quán)利要求1所述的一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，所述的步驟1.3中的預(yù)處理，包括修正錯(cuò)誤詞組、刪除無(wú)關(guān)詞組、修正錯(cuò)誤詞組、刪除歧義的微博和同義詞轉(zhuǎn)換；所述的修正錯(cuò)誤詞組是指對(duì)拼寫(xiě)錯(cuò)誤的單詞進(jìn)行修正；刪除無(wú)關(guān)詞組指對(duì)情感分析沒(méi)有任何益處的單詞進(jìn)行刪除；刪除歧義的微博指在一個(gè)文本卻屬于不同的情感類別的微博；同義詞轉(zhuǎn)換是指把相同意思的詞用另一個(gè)詞代替。

3.根據(jù)權(quán)利要求1所述的一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，所述的步驟1.4中使用TF-IDF算法提取關(guān)鍵詞，如果包含表情和標(biāo)點(diǎn)符號(hào)，則將常用的表情符號(hào)和表示語(yǔ)氣的標(biāo)點(diǎn)符號(hào)轉(zhuǎn)化為相應(yīng)的單詞。

4.根據(jù)權(quán)利要求1所述的一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，所述的步驟1.4中使用word2vec開(kāi)源工具構(gòu)建詞向量，依據(jù)向量空間模型對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行向量化。

5.根據(jù)權(quán)利要求1所述的一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，所述的步驟2.3中，使用SENNA深度學(xué)習(xí)工具包，對(duì)四類情感數(shù)據(jù)集分別進(jìn)行一次實(shí)體抽取。

6.根據(jù)權(quán)利要求1所述的一種基于微博情感的實(shí)體識(shí)別方法，其特征在于，所述的步驟1.5中，預(yù)設(shè)的機(jī)器學(xué)習(xí)算法包括樸素貝葉斯、邏輯回歸、支持向量機(jī)和K近鄰算法4種機(jī)器學(xué)習(xí)算法。