[發明專利]一種文本情感分類方法、系統、裝置及存儲介質

在審

• 申請號: 201911410177.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111159410A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 寇永嫻;占太雄;陳惠芳;黃嬌燕;余嘉昇
• 申請（專利權）人: 廣州廣電運通信息科技有限公司;廣州廣電運通金融電子股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種文本情感分類方法，其特征在于，包括：

對文本進行預處理；

對預處理后的文本進行統計量計算，得到文本向量；

采用卡方統計方法對文本向量進行特征選擇，提取出特征向量；

對特征向量進行權重計算，得到各個特征向量的權重；

結合各個特征向量的權重，基于支持向量機對文本進行分類。

2.根據權利要求1所述的一種文本情感分類方法，其特征在于，所述對文本進行預處理這一步驟，其具體包括：

獲取文本，過濾文本的非法字符并對文本進行分詞處理；

去除無關詞并統計詞頻，得到預處理后的文本。

3.根據權利要求1所述的一種文本情感分類方法，其特征在于，所述采用卡方統計方法對文本向量進行特征選擇具體采用下述公式：

所述t_i是特征項，所述C_j是類別，所述N是文本總數，所述A是包含t_i且屬于C_j的數量，所述B是包含t_i但不屬于C_j的數量，所述C是屬于C_j但不包含t_i的數量，所述D是不屬于C_j且不包含t_i的數量。

4.根據權利要求3所述的一種文本情感分類方法，其特征在于，所述對特征向量進行權重計算，得到各個特征向量的權重具體采用下述公式：

所述w_ij表示權重，所述tf_ij表示t_i在文本出現的次數，所述n_i表示包含t_i的文本數。

5.根據權利要求4所述的一種文本情感分類方法，其特征在于，所述對特征向量進行權重計算，得到各個特征向量的權重還包括對權重進行歸一化處理，具體采用下述公式：

所述M表示向量數。

6.根據權利要求1所述的一種文本情感分類方法，其特征在于，所述采用卡方統計方法對文本向量進行特征選擇，提取出特征向量這一步驟，其具體包括：

對文本向量的特征項進行評分并按照評分大小對特征項進行排序；

按照預設數量獲得文本特征項，采用卡方統計方法提取該文本的特征向量。

7.根據權利要求1所述的一種文本情感分類方法，其特征在于：所述無關詞包括停用詞、代詞、量詞、助詞、連詞和擬聲詞。

8.一種文本情感分類系統，其特征在于，包括：

預處理模塊，用于對文本進行預處理；

統計模塊，用于對預處理后的文本進行統計量計算，得到文本向量；

特征模塊，用于采用卡方統計方法對文本向量進行特征選擇，提取出特征向量；

權重模塊，用于對特征向量進行權重計算，得到各個特征向量的權重；

分類模塊，用于結合各個特征向量的權重，基于支持向量機對文本進行分類。

9.一種文本情感分類裝置，其特征在于，還包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執行，使得所述至少一個處理器實現如權利要求1-7任一項所述一種文本情感分類方法。

10.一種存儲介質，其中存儲有處理器可執行的指令，其特征在于：所述處理器可執行的指令在由處理器執行時用于實現如權利要求1-7任一項所述一種文本情感分類方法。