[發(fā)明專利]基于主題情感語(yǔ)義提取的細(xì)粒度觀點(diǎn)挖掘方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611029643.4
• 申請(qǐng)日: 2016-11-15
• 公開(kāi)（公告）號(hào): CN106599063A
• 公開(kāi)（公告）日: 2017-04-26
• 發(fā)明（設(shè)計(jì)）人: 楊正良;李舒燕
• 申請(qǐng)（專利權(quán)）人: 武漢璞華大數(shù)據(jù)技術(shù)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11350
• 代理人: 傅海鵬

技術(shù)領(lǐng)域

本發(fā)明涉及文本挖掘技術(shù)領(lǐng)域，具體是一種基于主題情感語(yǔ)義提取的細(xì)粒度觀點(diǎn)挖掘方法。

背景技術(shù)

現(xiàn)階段隨著網(wǎng)購(gòu)熱潮的來(lái)臨，在線評(píng)論信息數(shù)目呈現(xiàn)井噴式增長(zhǎng)。面對(duì)這數(shù)目巨大且無(wú)結(jié)構(gòu)化的信息數(shù)據(jù)，僅靠人工閱讀方式篩選所需信息不僅工作量非常繁重，而且很難及時(shí)有效地獲取有價(jià)值的信息；另一方面這些在線評(píng)論信息對(duì)許多潛在消費(fèi)者，企業(yè)組織，乃至國(guó)家機(jī)關(guān)政府部門(mén)等各種類型的用戶有至關(guān)重要的作用。如何幫助這些龐大的用戶群及時(shí)高效針對(duì)海量評(píng)論信息，自動(dòng)分析提取其中的觀點(diǎn)信息是當(dāng)前面臨的一個(gè)重要問(wèn)題。

目前大多數(shù)情感語(yǔ)義提取方法采用的模型大都未考慮到詞語(yǔ)的位置和語(yǔ)義關(guān)系，然而其對(duì)觀點(diǎn)表達(dá)有著重要的影響，要想獲取更準(zhǔn)確和有價(jià)值的觀點(diǎn)信息，需要對(duì)模型進(jìn)行改進(jìn)后才能用于細(xì)粒度觀點(diǎn)挖掘。其次自然語(yǔ)言存在多義性和相關(guān)性，導(dǎo)致評(píng)論的觀點(diǎn)挖掘和建模存在不確定性：一方面進(jìn)行定性概念描述時(shí)存在界限的模糊性；另一方面模型的定量表示又具有隨機(jī)性。當(dāng)前的模型用于觀點(diǎn)挖掘時(shí)，僅考慮了定量的隨機(jī)性而忽視了定性概念的模糊性。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于主題情感語(yǔ)義提取的細(xì)粒度觀點(diǎn)挖掘方法，旨在幫助企業(yè)快速獲取用戶的評(píng)論信息。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

基于主題情感語(yǔ)義提取的細(xì)粒度觀點(diǎn)挖掘方法，利用基于云模型的主題情感統(tǒng)一最大熵模型(Sentiment Cloud Maximum Entropy LDA Model，SC MaxEnt-LDA)進(jìn)行主題情感語(yǔ)義提取，所述的方法包括以下步驟：

(1)首先，使用基于LDA的最大熵模型(Maximum Entropy LDA Model,MaxEn-LDA)進(jìn)行特征詞和觀點(diǎn)詞提取；

(2)然后，開(kāi)展情感極性分析，同時(shí)對(duì)具有不確定性的情感進(jìn)行定性定量轉(zhuǎn)換建模，在此基礎(chǔ)上提出情感修正算法(Sentiment Revision Algorithm，SRA)，通過(guò)貼近度和云期望曲線實(shí)現(xiàn)全局情感和主題情感的相似度計(jì)算，進(jìn)而完成對(duì)情感偏差的校正，即將句子的情感劃分為五類：負(fù)向，弱負(fù)向，中立，弱正向，正向，分別對(duì)應(yīng)情感數(shù)值為1-5，進(jìn)而有效提高觀點(diǎn)挖掘的精確度；

(3)最后，總結(jié)歸納生成情感摘要。

作為本發(fā)明進(jìn)一步的方案：所述的句子的情感的分類是基于詞和短語(yǔ)層次，據(jù)此判斷消費(fèi)者對(duì)產(chǎn)品或服務(wù)在某個(gè)方面(主題)的情感傾向性，將情感分類細(xì)化到詞語(yǔ)、短語(yǔ)級(jí)別，實(shí)現(xiàn)從主題層面獲取情感極性，能挖掘用戶更深層次的觀點(diǎn)來(lái)滿足實(shí)際應(yīng)用需求。

作為本發(fā)明進(jìn)一步的方案：所述的步驟(1)中，在使用基于LDA的最大熵模型進(jìn)行特征詞和觀點(diǎn)詞提取之前，還包括語(yǔ)料的預(yù)處理，將預(yù)處理后的語(yǔ)料輸入基于云模型的主題情感統(tǒng)一最大熵模型。

作為本發(fā)明進(jìn)一步的方案：所述的基于云模型的主題情感統(tǒng)一最大熵模型中，對(duì)于語(yǔ)料庫(kù)中的每篇文檔，產(chǎn)生文檔-主題(D-T)分布，其中D表示文檔，T表示主題；對(duì)于每個(gè)主題產(chǎn)生主題-情感(T-S)分布，對(duì)文檔中每個(gè)句子，通過(guò)多項(xiàng)式分布(Polynomial Distribution)和伯努利分布(Bernoulli Distribution)確定其主題和情感，其中T表示主題，S表示情感。

作為本發(fā)明進(jìn)一步的方案：所述的步驟(2)中，情感修正算法是基于云模型的，由于利用基于LDA的最大熵模型提取出的全局觀點(diǎn)詞的情感傾向代表了所有評(píng)論發(fā)布者的總的態(tài)度，經(jīng)過(guò)LDA模型(Latent Dirichlet Allocation，LDA)處理后得到的每個(gè)主題下的情感分布在一定程度上應(yīng)該和全局觀點(diǎn)詞的情感分布是相似的，若一個(gè)主題下觀點(diǎn)詞的情感分布與全局觀點(diǎn)詞的情感分布存在明顯偏差，則認(rèn)為需要進(jìn)行情感的修正。

作為本發(fā)明進(jìn)一步的方案：所述的步驟(2)中，云期望曲線是通過(guò)逆向云發(fā)生器得到的。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：