[發明專利]情感詞向量構建方法及系統

有效

• 申請號: 201810932207.0
• 申請日: 2018-08-16
• 公開（公告）號: CN109271510B
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 徐泓洋;聶穎;鄭權;張峰
• 申請（專利權）人: 龍馬智芯（珠海橫琴）科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F17/27;G06K9/62
• 代理公司: 北京博訊知識產權代理事務所(特殊普通合伙) 11593
• 代理人: 柳興坤;劉馨月

本發明公開了一種情感詞向量構建方法及系統，該方法包括：S1：獲取第一空間詞向量模型、第二空間詞向量模型以及第三空間詞向量模型；S2：獲取正強情感詞表及負強情感詞表；S3：利用第一空間詞向量模型得到正強情感詞表中每一個詞對應的詞向量，利用第二空間詞向量模型得到負強情感詞表中每一個詞對應的詞向量；S4：訓練邏輯回歸模型；S5：獲取待處理詞；S6：預測待處理詞屬于正類的概率和待處理詞屬于負類的概率；S7：根據待處理詞屬于正類的概率P₊和待處理詞屬于負類的概率P_{_}以及待處理詞在第三空間詞向量模型的詞向量生成待處理詞的情感詞向量。本發明能夠提高情感分類的準確率。

技術領域

本發明涉及自然語言技術領域，特別是一種情感詞向量構建方法及系統。

背景技術

所謂的文本情感分類一般是指針對新聞評論或商品評論文本的褒、貶二元情感分類，以及喜怒哀樂等的多元情感分類，其過程與文本分類過程相似，一般將情感分類看作是一種特殊的文本分類問題。

在文本分析的研究中，詞的表示方法是一項關鍵性的技術，所謂詞的表示方法就是將文字轉化成一種數學形式，以便模型去處理。詞表示方法的好壞、表示形式所包含的詞意信息將直接決定了分類結果的上限。當前主流的方法是使用詞向量的表示方法(如word2vec/word embdding)，這種方法通過文本的上下文信息將每一個詞表示成一個低維的稠密向量，相比傳統的表示方法，向量中包含了更加豐富的語意信息，避免了語義鴻溝現象，因此在文本分析中被廣泛應用。

但是在情感分析的研究中，Word2vec表示方法也存在弊端。word2vec通過訓練，從大規模語料中挖掘詞語間潛在語義關聯，但是缺少對詞包含的情感信息的表達，這樣就相當于在情感分類時并不是從情感信息的角度去完成情感傾向的判斷，也因此制約了情感分類準確度的提高。

發明內容

有鑒于此，本發明的目的在于提供一種情感詞向量構建方法及系統，可以提高情感分類的準確率。

為實現上述目的，本發明的技術方案提供了一種情感詞向量構建方法，包括：

步驟S1：獲取第一空間詞向量模型、第二空間詞向量模型以及第三空間詞向量模型，其中，所述第一空間詞向量模型是利用第一訓練樣本集得到，所述第二空間詞向量模型是利用第二訓練樣本集得到，所述第三空間詞向量模型是利用第三訓練樣本集得到，所述第一訓練樣本集由若干個被標注為正情感類型的語料文本構成，所述第二訓練樣本集由若干個被標注為負情感類型的語料文本構成，所述第三訓練樣本集由所述若干個被標注為正情感類型的語料文本以及所述若干個被標注為負情感類型的語料文本共同構成；

步驟S2：獲取正強情感詞表以及負強情感詞表；

步驟S3：利用所述第一空間詞向量模型得到所述正強情感詞表中每一個詞對應的詞向量v_p，利用所述第二空間詞向量模型得到所述負強情感詞表中每一個詞對應的詞向量v_n；

步驟S4：利用所述正強情感詞表中每一個詞對應的詞向量v_p以及所述負強情感詞表中每一個詞對應的詞向量v_n訓練邏輯回歸模型；

步驟S5：獲取待處理詞；

步驟S6：根據所述待處理詞在所述第一空間詞向量模型的詞向量、所述待處理詞在所述第二空間詞向量模型的詞向量以及訓練后的邏輯回歸模型預測所述待處理詞屬于正類的概率P₊和所述待處理詞屬于負類的概率P_{_}；

步驟S7：根據所述待處理詞屬于正類的概率P₊和所述待處理詞屬于負類的概率P_{_}以及所述待處理詞在所述第三空間詞向量模型的詞向量生成所述待處理詞的情感詞向量。

優選地，所述步驟S1包括：