[發(fā)明專利]一種基于主題模型的面向?qū)嶓w的文本情感分析方法

在審

• 申請?zhí)枺?/td>: 201910738217.5
• 申請日: 2019-08-12
• 公開（公告）號: CN110866087A
• 公開（公告）日: 2020-03-06
• 發(fā)明（設(shè)計）人: 駱祥峰;黃敬;付雪峰
• 申請（專利權(quán)）人: 上海大學(xué);阿里巴巴集團控股有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/279;G06F40/30;G06F40/284
• 代理公司: 上海上大專利事務(wù)所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于主題模型的面向?qū)嶓w的文本情感分析方法，其特征在于，具體步驟如下：

(1)、輸入待情感分析的文本語料集合；

(2)、從文本集中提取文本的實體集、詞集和實體-詞關(guān)系；

(3)、利用主題模型對文本中的實體，主題，情感，實體評價詞的四元層次關(guān)系建模，并嵌入實體-詞關(guān)系作為監(jiān)督信息以約束模型對輸入文本集中的每個單詞進行情感、實體和主題標簽采樣；

(4)、推導(dǎo)情感與實體之間的概率矩陣η以及實體、主題與詞之間的概率矩陣ψ的具體數(shù)學(xué)表達式，并在模型收斂時依據(jù)推導(dǎo)的數(shù)學(xué)表達式計算概率矩陣η和ψ中的每個元素值；

(5)、輸出情感分析結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于主題模型的面向?qū)嶓w的文本情感分析方法，其特征在于，所述步驟(2)的具體過程如下：

(2-1)、利用中文切詞工具Ansj對文本集進行切詞處理并去除停用詞，僅保留名詞、形容詞、副詞、動詞；

(2-2)、利用命名實體識別工具Stanford NER為每篇文本進行命名實體識別，并選擇保留所需情感分析的實體類型；

(2-3)、利用以下公式計算實體e和單詞w的相關(guān)性大小，并選取相關(guān)性超過一定閾值μ的實體-詞對作為提取的實體-詞關(guān)系集合EW(e,w)：

(2-4)、剔除低頻詞、低頻實體。

3.根據(jù)權(quán)利要求1所述的基于主題模型的面向?qū)嶓w的文本情感分析方法，其特征在于，所述步驟(3)的具體過程如下：

(3-1)、基于主題模型對文本中的實體，主題，情感，實體評價詞四元層次關(guān)系建模，并推導(dǎo)出為文檔d的第i個單詞w_i＝m分配給主題標簽z_i＝k，實體標簽e_i＝h，情感標簽l_i＝j(luò)的概率的數(shù)學(xué)公式如下；

其中，下標-i表示在推導(dǎo)上述概率時，只需從除文檔d中第i個單詞外的其它文檔集D中的單詞被分配的實體標簽主題標簽和情感標簽向量中統(tǒng)計相關(guān)參數(shù)值；在此前提下：表示文檔d中被分配了情感標簽j的單詞總數(shù)；表示文檔集D中被分配了實體標簽h和情感標簽j的單詞總數(shù)；表示文檔集D中被分配了主題標簽z和情感標簽j的單詞總數(shù)；表示文檔集D中單詞m被同時分配了實體標簽h和主題標簽z的總數(shù)；表示文檔d中被分配了情感標簽l’從1到L的單詞總數(shù)；表示文檔集D中被分配了情感標簽j的同時被分配了實體標簽e’從1到E的單詞總數(shù)；表示文檔集D中被分配了情感標簽j的同時被分配了主題標簽z’從1到K的單詞總數(shù)；表示文檔集D中被同時分配了實體標簽h和主題標簽k的單詞總數(shù)；其中，文檔集D中一共有L個情感標簽，E個實體標簽，K個主題標簽，V個不重復(fù)的單詞；E_d表示從文檔d中提取的實體集；α，β，λ，α₀為模型參數(shù)；

(3-2)、依據(jù)(3-1)計算的概率隨機采樣主題標簽和情感標簽，將步驟(2)中提取的實體-詞關(guān)系集合EW(e,w)作為監(jiān)督信息；如果一個或者多個實體e與單詞m組成的實體-詞關(guān)系對存在于EW(e,w)中，則約束模型優(yōu)先在這些實體中為單詞m隨機采樣一個實體標簽e，否則依據(jù)(3-1)中計算的概率在全部實體集中隨機采樣一個實體標簽e。

4.根據(jù)權(quán)利要求1所述的基于主題模型的面向?qū)嶓w的文本情感分析方法，其特征在于，所述步驟(4)的具體其過程如下：

(4-1)、推導(dǎo)出利用下式求解情感與實體之間概率矩陣η，并在模型收斂時計算概率矩陣η中的每個元素值：

其中，N_le是情感標簽l和實體標簽e被分配給文檔集D中所有單詞的總次數(shù)，N_l則是情感標簽l被分配給文檔集D中所有單詞的總次數(shù)，E為從文檔集D中提取的不重復(fù)的實體數(shù)，α為先驗設(shè)置參數(shù)；

(4-2)、推導(dǎo)出利用下式求解實體&主題與詞項之間的概率矩陣ψ，并在模型收斂時計算概率矩陣ψ中的每個元素值：

其中N_ezv是單詞v被分配了實體標簽e和主題標簽z的總次數(shù)，N_ez則是實體標簽e和主題標簽z與文檔集D中所有單詞關(guān)聯(lián)的總次數(shù)，V為從文檔集D中提取的不重復(fù)的單詞數(shù)，α₀為先驗設(shè)置參數(shù)。