[發明專利]一種基于主題模型的在線評論情感挖掘方法

在審

• 申請號: 201910975438.4
• 申請日: 2019-10-15
• 公開（公告）號: CN110807315A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 駱祥峰;黃敬;易亞雯
• 申請（專利權）人: 上海大學;阿里巴巴集團控股有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/289;G06F40/30
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于主題模型的在線評論情感挖掘方法，其特征在于，具體步驟如下：

(1)輸入任意領域中的在線評論文本集；

(2)從評論文本集中為每篇文本抽取文本方面意見對，構建文本-方面意見對矩陣；

(3)構建情感主題模型；

(4)將文本-方面意見對矩陣輸入情感主題模型進行訓練；

(5)輸出評論文本情感挖掘結果。

2.根據權利要求1所述的基于主題模型的在線評論情感挖掘方法，其特征在于，所述步驟(2)中的抽取文本方面意見對，其過程如下：

(2-1)、將評論文本集中每篇評論文本按標點符號分割成評論單元，并采用分詞工具對每一個評論單元分詞、詞性標注、去停用詞，副詞一般用來修飾形容詞或動詞，因此將副詞與其修飾的部分合并成一個整體，然后將整體的詞性注釋為被修飾語的詞性；

(2-2)、按詞性匹配模式對每個評論單元進行模式匹配，抽取方面意見對，將每篇評論文本轉變成方面意見對的集合，并形成方面意見對詞對表；

(2-3)、方面意見對詞對表中每一項使用關聯強度計算公式計算其關聯強度，再根據關聯強度降序排列方面意見對項，取TopN個方面意見對項，形成文本-方面意見對矩陣；方面意見對的關聯強度計算公式如下：

其中，Co(wi,wj)代表關鍵詞wi和wj在評論文本抽取單元集合中的共現次數，DF(wi)與DF(wj)分別代表wi和wj在方面意見對集合中的詞頻。

3.根據權利要求1所述的基于主題模型的在線評論情感挖掘方法，其特征在于，所述步驟(3)的情感主題模型，其構建過程如下：

(3-1)、基于狄利克雷超參α生成語料庫的主題分布的多項式參數θ；其中α是θ所服從的狄利克雷分布的參數；

(3-2)、基于狄利克雷超參β生成語料庫的第k個主題第e個情感下詞對分布的多項式參數其中β是所服從的狄利克雷分布的參數，k、e均為正整數；

(3-3)、基于狄利克雷超參γ生成語料庫的第k個主題的情感分布的多項式參數π_k；其中γ是π_k所服從的狄利克雷分布的參數；

(3-4)、基于語料庫的主題分布的多項式參數θ生成第d篇文檔的第n個方面意見對的主題z_dn，其中θ是z_dn所服從的多項式分布的參數，d和n均為正整數；

(3-5)、基于語料庫的第k個主題的情感分布的多項式參數π_k以及第d篇文檔的第n個方面意見對的主題z_dn，即(π_k，z_dn)生成第d篇文檔的第n個方面意見對的情感s_dn，其中π_zdn是s_dn所服從的多項式分布的參數；

(3-6)、基于語料庫的第k個主題第e個情感下詞對分布的多項式參數第d篇文檔的第n個方面意見對的主題z_dn以及第d篇文檔的第n個方面意見對的情感s_dn，即(z_dn，s_dn)生成第d篇文檔的第n個方面意見對wp_dn，其中是詞對wp所服從的多項式分布的參數；

(3-7)、循環以上步驟(3-4)、(3-5)、(3-6)，直至生成語料庫中的所有文檔。

4.根據權利要求1所述的基于主題模型的在線評論情感挖掘方法，其特征在于，所述步驟(4)中的將文本-方面意見對矩陣輸入情感主題模型進行訓練，具體步驟如下：

(4-1)、為文本-方面意見對矩陣中的每一項分別采樣一個主題和一個情感，多次迭代此過程，最終形成文本-主題矩陣及文本-情感矩陣；

(4-2)、根據文本-主題矩陣及文本-情感矩陣的值計算文本-主題概率分布以及主題-情感概率分布，具體計算公式如下：

其中，N_k表示文本中被指派給主題k的詞對數量，N表示文本集合所有的詞對數量，N_ke表示同時被指派給主題k和情感e的詞對數量，α和γ分別表示θ和Π的共軛先驗Dirichlet分布的超參數，E是情感種類數，K是隱主題個數；

(4-3)、根據文本-主題概率分布以及主題-情感概率分布，進一步計算獲得整體情感分布狀況，其計算公式如下：

R＝θ_k*Π_ke

其中，R表示在線評論集合的情感分布，是E維向量。