[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

本發明公開了一種文本情感分類方法、系統、裝置及存儲介質，該方法包括：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。該系統包括：預處理模塊，統計模塊、特征模塊、權重模塊和分類模塊。該裝置包括存儲器以及用于執行上述文本情感分類方法的處理器。通過使用本發明，可提高文本分類的準確率。本發明作為一種文本情感分類方法、系統、裝置及存儲介質，可廣泛應用于文本分類領域。

技術領域

本發明涉及文本分類領域，尤其涉及一種文本情感分類方法、系統、裝置及存儲介質。

背景技術

情感分類是自然語言處理領域的一個任務，又稱傾向性分析，它是對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理的過程。它可以分析文本中作者對特定主體的情感偏好和觀點，用于預測電影票房、股票趨勢、輿情分析、改進服務及產品、及了解用戶的體驗等，文本情感分類目前主要研究方法分為基于字典和基于語料庫兩種，對語料庫或字典進行信息挖掘，識別詞語的情感傾向，從而得到統計數據并對其極性做出判斷，但這兩種方法對新詞沒有詞性判別能力，而且由于不是從語義層面判斷，分類得到的結果準確率低。

發明內容

為了解決上述技術問題，本發明的目的是提供一種文本情感分類方法、系統、裝置及存儲介質，可提高文本分類的準確率。

本發明所采用的第一技術方案是：一種文本情感分類方法，包括以下步驟：

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。

進一步，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。

進一步，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。

進一步，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。

進一步，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。

進一步，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；