[發明專利]一種基于語義本體庫中文文本情感分析方法

有效

• 申請號: 201710841831.5
• 申請日: 2017-09-18
• 公開（公告）號: CN107609132B
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 姜明;楊智聰;張旻;湯景凡;程柳;杜煉
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06F40/30;G06F40/247;G06K9/62
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于語義本體庫中文文本情感分析方法，其特征在于包括如下步驟：

步驟1、獲取關于目標對象一定數量的結構化評論組成待分析的語料庫，根據權威機構提供的情感本體庫，結合語料庫通過語義分析泛化得到情感本體庫，情感本體庫包含情感極限和情感程度；

步驟2、對情感詞匹配和情感詞關系預處理，將語料庫進行分詞、文本分析、匹配本體庫和評論句子中情感詞，標注情感詞的情感信息以及上下文對應的依存關系；其中，情感信息包含詞的情感強度、情感極性和情感詞詞性；

步驟3、情感計算和情感傾向判斷；

根據評論中情感信息以及依存關系，結合系統規則進行情感值計算，確定評論的情感傾向再結合機器學習方法二次處理，得到最終情感傾向結果；

步驟1所述情感本體庫構建，具體步驟如下：

步驟1-1.使用網絡機構中現有權威的情感本體庫，去掉重復詞之后作為原始本體庫；

步驟1-2.從知網中下載同義詞林，將原始本體庫進行同義擴充；

步驟1-3.為了得到豐富的情感本體庫，引入word2vec工具，該工具能根據輸入樣本泛化推理得到和情感詞語義相似的詞；首先，將評論數據通過word2vec訓練，得到向量空間，將本體庫內情感詞輸入與樣本空間中的詞做相似計算，取出相似排名靠前的5個相似詞；使用SO_PMI公式分別計算本體庫情感詞和篩選出的相似詞的相關度，篩選得到更為豐富的情感本體庫；

SO_PMI定義了點互信息量的概念，用來計算兩個詞之間的語義相關性：

P(w₁&w₂)表示詞w₁和w₂同時出現的概率，C(w₁&w₂)表示詞w₁和w₂同時出現的次數，N代表頻率；P(w₁)表示詞w₁出現的概率，P(w₂)表示詞w₂出現的概率；C(w₁)表示詞w₁出現的次數,C(w₂)表示詞w₂出現的次數；

對于未知情感的候選詞語cw和情感強度i的基準情感詞語集合BSW_i；基于點互信息的語義傾向值SO_PMI(cw,BSW_i)為候選詞語cw和BSW_i中所有的基準情感詞語的點互信息之和：

最后，得到候選詞語cw的情感傾向為：

Pwords表示正向種子詞集，Nwords表示負向種子詞集；

步驟2情感詞匹配和情感詞關系預處理，具體步驟如下：

步驟2-1.利用分詞工具和自定義用戶詞典進行分詞，然后結合哈工大句法分析平臺，將評論轉換為tri-gram形式，組成語義依存關系隊列；

步驟2-2.語義依存關系隊列包含每個詞的位置、詞性標注以及前詞后詞的位置關系，能充分定位情感詞的位置以及該情感詞所修飾的名詞；

2-2-1.通過匹配情感本體庫，定位情感詞的情感初始極性以及程度修飾權值；

2-2-2.得到情感詞的位置信息，將情感詞抽取出來構建情感詞的特征列表；特征列表包含情感詞的位置、情感極性和權值；

步驟3所述的情感計算和情感傾向判斷，具體如下：

步驟3-1.針對步驟2-1得到語義依存關系隊列，構建本體庫中匹配情感詞信息，使用短語情感傾向評估法來近似計算評論的情感傾向；

步驟3-2.采用SVM分類器為后續未知情感極性評論進行分類；

對語料庫中已標記過的評論進行訓練，80％的評論作為訓練集，20％的評論作為測試集；訓練集的具體處理如下：

首先通過分詞，刪除停用詞；

其次從步驟2-2中匹配情感詞，并賦予情感詞的權重；

然后將訓練集中每條評論轉換成特征向量，訓練SVM分類器，再進行分類，結合上文規則判斷結果得到最終評論情感傾向。