[發明專利]一種快速的新聞文本內容情感分析系統及方法

在審

• 申請號: 201710309000.3
• 申請日: 2017-05-04
• 公開（公告）號: CN107045497A
• 公開（公告）日: 2017-08-15
• 發明（設計）人: 余軍;盧品吟;劉盾;張汨
• 申請（專利權）人: 成都華棲云科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 成都金英專利代理事務所(普通合伙)51218
• 代理人: 袁英

1.一種快速的新聞文本內容情感分析系統，其特征在于包括以下模塊：

新聞抓取模塊：用于從新聞門戶、論壇及微博上抓取新聞文檔，其中包括對文本進行初步去重處理；

新聞文本初步處理模塊：用于對文本進行初步文本特征處理，包括分詞、去停用詞、對否定式短語進行額外標注；

新聞文本情感計算模塊：包括TextRank計算、分詞情感計算、對計算值進行歸一化處理、綜合計算得到文檔的情感指數；

數據存儲模塊：存儲計算后的結果。

2.一種快速的新聞文本內容情感分析方法，其特征在于包括如下步驟：

S01：從互聯網新聞門戶、論壇及微博爬取新聞，對文本去重；

S02：抽取文本信息，主要是來源、作者、標題、正文等信息；

S03：對標題、正文進行分詞，去掉停用詞；

S04：使用Text Rank計算每個詞的權重；

S05：同時根據情感詞典，得到每個詞的情感傾向及情感強度S；

S06：最后將詞的權重與詞的情感強度相乘，計算總和，進行歸一化處理，從而得到文檔的情感指數。

3.根據權利要求2所述的一種快速的新聞文本內容情感分析方法，其特征在于：所述的驟S04所述的使用Text Rank計算每個詞的權重，具體包括

給標題的詞語額外加權，加權算法為wt = n × wd ，其中，wt表示標題分詞，wd表示正文分詞，取值范圍是[0,100]，n表示加權權重，范圍值是多少[2,10]；

對分詞進行詞性過濾，只保留名詞性和動詞性分詞；

使用Text Rank算法計算每個詞的權重；

對計算結果進行歸一化處理，歸一化的計算方式為wt = wt /(max(wt) + 1)，其中，wt表示有Text Rank計算的詞權重，max(wt)表示該文檔中最大的權重。

4.根據權利要求2所述的一種快速的新聞文本內容情感分析方法，其特征在于：所述的步驟S06中根據分詞計算文檔的情感指數，具體計算方式為

Sd = ∑(wt × St) × C/n

其中，Sd表示文檔的情感指數，wt表示每個分詞的權重，St表示每個分詞的情感指數范圍是[-100,100]，C是一個常數范圍值是多少[1, 5]，n表示該文檔內，單詞的數量。