[發(fā)明專利]基于不同人格特征的文本觀點(diǎn)挖掘方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910959523.1
• 申請(qǐng)日: 2019-10-10
• 公開（公告）號(hào): CN110825842B
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 左源;吳俊杰;李文娟;劉冠男;袁石;林浩;張志豪;李豐志
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F40/242;G06F40/279
• 代理公司: 北京遠(yuǎn)大卓悅知識(shí)產(chǎn)權(quán)代理有限公司 11369
• 代理人: 史霞

1.基于不同人格特征的文本觀點(diǎn)挖掘方法，其特征在于，包括以下步驟：

S1、獲取訓(xùn)練語料，并對(duì)訓(xùn)練語料的詞進(jìn)行詞向量特征表示，獲得詞的詞向量特征，對(duì)進(jìn)行詞向量特征表示完的訓(xùn)練語料，結(jié)合觀點(diǎn)詞集合，使用詞的詞向量特征為特征，構(gòu)建最大熵模型；

S2、針對(duì)某個(gè)事件，收集全語料，將全語料依據(jù)人格特征分成多個(gè)集合語料c，針對(duì)多個(gè)集合語料c，通過耦合的狄利克雷過程DP構(gòu)建跨人格特征主題模型，其中，跨人格特征主題模型參數(shù)包括：

其表示第z個(gè)共享主題的屬性詞分布；

其表示集合語料c所屬的第z個(gè)共享主題的觀點(diǎn)詞分布

其表示第z個(gè)獨(dú)享主題的屬性詞分布；

其表示第z個(gè)獨(dú)享主題的觀點(diǎn)詞分布，每一個(gè)集合語料c的獨(dú)享主題的屬性詞分布分別對(duì)應(yīng)一個(gè)觀點(diǎn)詞分布共享主題由不同集合語料c共享的全局DP生成，獨(dú)享主題由每個(gè)特征人格特征對(duì)應(yīng)集合語料的DP生成；

S3、針對(duì)每個(gè)集合語料中的每條文檔進(jìn)行分詞處理，將每條文檔的分詞組成輸入列表，作為跨人格特征主題模型的輸入，并初始化跨人格特征主題模型的參數(shù)；

S4、根據(jù)輸入內(nèi)容，采用吉布斯采樣法，依據(jù)跨人格特征主題模型、最大熵模型迭代計(jì)算得出最終的人格特征主題模型的參數(shù)；

步驟S2中耦合的狄利克雷過程表示為D～DP(α,B)，是隨機(jī)概率測(cè)量D在基礎(chǔ)空間Ω上的分布，其中，α是密度參數(shù)，B是基于Ω的基本分布；

集合語料c中文檔d_j的第i個(gè)句子s_ji的生成過程表示為：s_ji～G(F_c)，其中，F(xiàn)_c＝∈_cD₀+(1-∈_c)D_c；D₀～DP(α₀,B₀)，表示D₀為所有集合語料c共享的成分生成自一個(gè)全局的DP；D_c～DP(α_c,B_c)，表示D_c為特定集合語料c的成分生成自特定的DP；∈_c～Beta(α₀,α_c)，∈_c為服從Beta分布的參數(shù)，表示來自共享主題概率，則來自獨(dú)享主題的概率為(1-∈_c)；α₀及所有的α_c均設(shè)置為0.2，基本分布B₀及所有的B_c服從超參為0.05的狄利克雷先驗(yàn)分布；

每一個(gè)集合語料c中文檔d_j的第i個(gè)句子s_ji對(duì)應(yīng)一個(gè)潛在標(biāo)簽z_ji，以及一組存儲(chǔ)著在文檔d_j與原子k相關(guān)的數(shù)據(jù)樣本的數(shù)量的計(jì)數(shù)器{m_jk}；

步驟S4的一次迭代具體包括：

步驟4a、確定z_ji是來自全局DP或是特定DP，具體為：使用r_ji表示z_ji的源DP，如果r_ji＝0，源DP為全局DP，如果r_ji＝c，則源DP為文檔d_j所在的集合語料c的特定DP，計(jì)算方程如下；

p(r_ji＝c)∝p(r_ji＝c|v_j)p(s_ji|r_ji＝c,z_ji)＝v_jcp(s_ji|r_ji＝c,z_ji)

其中，v_j＝(v_j0,v_jc)為源DP的群體特征，反映了全局DP和特定DP對(duì)文檔d_j的相對(duì)貢獻(xiàn)，p(s_ji|r_ji＝c,z_ji)為句子s_ji的似然，計(jì)算公式如下；

其中，k表示主題，為除了句子s_ji之外，所有文檔中分配給k的樣本總數(shù)；φ_k表示原子，即主題-詞的多項(xiàng)式分布；I_c為包含D_c中所有原子指數(shù)的集合；f(s_ji；φ_k)為句子s_ji在φ_k上的概率密度函數(shù)；f(s_ji；B)＝∫_θf(s_ji；θ)B(θ)dθ；

步驟4052、根據(jù)確定好的源DP，確定z_ji，并生成一個(gè)特定的原子，該過程類似于中餐館過程，具體如下：

根據(jù)與成比例的原則，設(shè)置z_ji＝k，根據(jù)與α_cf(s_ji；B)成比例的原則，從B(·|s_i)中生成一個(gè)新的原子；

同時(shí)，更新組合系數(shù)v_j＝(v_j0,v_jc)，根據(jù)F_c的生成過程，v_j遵循一個(gè)Beta分布，給定z_j，其中，是文檔d_j中與D_c相關(guān)聯(lián)的樣本總數(shù)；

步驟4053、對(duì)于句子s_ji中某個(gè)輸入分詞s_jin，根據(jù)最大熵模型計(jì)算該分詞s_jin屬于觀點(diǎn)詞或?qū)傩栽~的指示變量y_jin值，具體為：

根據(jù)最大熵模型得到分詞s_jin屬于屬性詞的概率，若分詞屬于屬性詞的概率大于屬于觀點(diǎn)詞的概率，則分詞被判定為屬性詞，用指示變量y_jin＝0表示；否則分詞屬于觀點(diǎn)詞的概率大于屬于屬性詞的概率，則該分詞判定為觀點(diǎn)詞，用y_jin＝1表示；

步驟4054、根據(jù)源DP指示變量r_ji、屬性觀點(diǎn)指示變量y_jin和主題下標(biāo)指示變量z_ji，根據(jù)主題-詞分布確定輸入文檔d_j中的分詞s_jin；

若r_ji＝0，y_jin＝0，生成詞表示分詞s_jin由第z_ji個(gè)共享主題生成，該分詞是屬性詞，詞分布是共享主題的屬性詞分布；

若r_ji＝0，y_jin＝1，生成詞表示分詞s_jin由第z_ji個(gè)共享主題中第c個(gè)語料的觀點(diǎn)詞分布生成，該詞是觀點(diǎn)詞，詞分布是共享主題的觀點(diǎn)詞分布；

若r_ji＝c，y_jin＝0，生成詞表示分詞s_jin由第z_ji個(gè)獨(dú)享主題中第c個(gè)語料的屬性詞分布生成，該詞是屬性詞，詞分布是獨(dú)享主題的屬性詞分布；

若r_ji＝c，y_jin＝1，生成詞表示分詞s_jin由第z_ji個(gè)獨(dú)享主題中第c個(gè)語料的觀點(diǎn)詞分布生成，該詞是觀點(diǎn)詞，詞分布是獨(dú)享主題的觀點(diǎn)詞分布。