基于规则和统计模型的中国微博情感分析方法

基于规则和统计模型的中国微博情感分析方法

【技术领域】

[0001]本发明涉及中文文本情感分析领域，尤其涉及一种基于规则和统计模型的中文微博情感分析方法.

【背景技术】

[0002]随着信息技术的不断发展和互联网的广泛使用，各种终端设备已经记录了人类社会复杂而频繁的信息行为，从而导致了惊人的数据量. 根据国际数据公司（IDC）的研究报告，到2020年，全球将拥有35ZB（IZB = 100亿TB）数据. 作为近年来最受欢迎的新型社交媒体和信息交换平台，微博还贡献了大量数据. 就新浪微博而言，其数据中心发布的2014年用户发展报告显示，截至2014年9月30日，新浪微博的月活跃用户（MAU）已达到1.67亿，比去年同期有所增加. 36％的每日活跃用户已达到7660万. 每秒成千上万的微博新帖子是人们交流思想和表达情感的重要体现. 用户通过微博发布的信息包含不同趋势的情感特征. 深入分析这些特征对于舆论监督，市场营销和谣言控制具有重要意义.

[0003]由于微博的内容非常简洁，通常控制在140个汉字以内，因此所表达的信息是有限的. 用户还可以随时在微博上发帖，内容也各不相同. 用户可以当时表达自己的情感，表达对热门话题的意见，还可以评论影视作品等. 对情感进行分类尤其必要. 由于微博文本短，带有主题，表情符号等，因此需要用特殊的方式进行分类.

【发明内容】

[p] [0004]本发明解决的主要技术问题是提供一种基于规则和统计模型的中文微博情感分析方法，该方法将微博文本分为积极情感，消极情感和中性情感. 情绪分析并不止于此. 通过对微博文本的深入分析，微博又被分为七类情绪: 喜欢，愤怒，悲伤，恐惧，厌恶，惊奇和平静. 通过情感的进一步划分，可以直观地显示微博文本的情感趋势，对微博文本的情感趋势的研究可以扩展到各个领域，具有广阔的应用前景.

[p] [0005]为解决上述技术问题，本发明采用的技术方案是: 提供一种基于规则和统计模型的中文微博情感分析方法，包括: 步骤1: 文本预处理和意见句子识别，也就是说，对于每个句子，首先确定情感句子是否为非观点句子；第二步: 情感极性分析，即根据情感字典对情感句子进行分词，提取单词特征并构建支持向量机模型，对观点句的情感极性进行分类. 第三步: 情感划分，即根据情感极性判断将情感句子分为特定的情感.

[0006]在本发明的一个优选实施例中，情感极性包括积极情感（Pos），消极情感（Neg）和中性情感（NEUTRAL）.

[0007]在本发明的一个优选实施例中，文本预处理和意见句识别的具体步骤包括: 预处理: （I.I）对微博语料进行预处理，删除无意义的微博客，无意义的微博包括垃圾邮件微博文本和广告营销微博文本； （1. 2）删除微博中的topic标签，即删除“#”和两者之间的文本内容，以获得预处理的语料； （1. 3）创建一个主观词词典，并标记主观词的词性；意见句判断: （2.1）分割预处理后的语料，标记词性，进行句段分割和特征提取，构建特征分类模型； （2. 2）将分词句与主观词词典进行匹配，判断主观词是否为语音的动词部分； （2.3）如果主观单词是言语的动词部分，则在分词句子的前后找到代词和情感词； （2.4）在分词句子中查找名词或名词短语. 如果出现名词或名词短语，则分词句子被判断为观点句子； （2. 5）如果没有名词或名词短语出现，并且没有执行步骤（2.3）和步骤（2.要求4），则直接确定分词为非意见句.

[0008]在本发明的一个优选实施例中，情感极性分析的具体步骤包括: 创建或引用参考词典，以及对参考词典中单词的情感极性进行注释；创建网络术语词典和表情符号词典，并在词典中对单词进行情感极性标注；分割意见句以获得极地分割；使用10倍交叉验证方法中文微博情感分析技术研究，将极性分割放入特征分类模型中进行训练以获得极性. 其中，极词分割的60％被用作训练集，极词分割的40％被用作测试集. 根据极地词切分的情感极性，得出意见句的情感极性.

[0009]在本发明的优选实施例中，情绪极性标签包括肯定评价词，否定评价词，否定情绪词，肯定情绪词，程度词和主张词.

[0010]在本发明的优选实施例中，情感分裂的具体步骤包括: 创建和收集语料库，该语料库包括教科书，科学杂志，期刊，报纸，童话和文学经典；以及对语料库进行情感标记以创建语料库标记系统，即为每个要注释的语料库填充和收集情感信息；将微博语料库分解为分类句子，然后将分类句子放入句子解析器中，句子解析器将对句子的情感复杂度进行分类；提取分类句子的语义特征并分析其语义特征；将分析结果传递给条件随机场CRF，并使用语料库计算微博语料库中的每个类别. 句子表达的情感色彩可以得到文章的情感链. 分析和评估情感链；根据情感链的分析和评估结果以及情感句子的情感极性，得出最终的情感划分.

[0011]在本发明的一个优选实施例中，分析和评价情感链的具体步骤包括: 采用多句互影响联合评估法对语料库进行分类；语料中注释的匹配准确度可衡量情绪注释的连贯性.

[0012]在本发明的一个优选实施例中，使用多句子相互影响的联合评估方法对语料库进行情感划分的具体步骤包括: 对每个类别句子进行情感评估；类别句子之间的判断情感联系，即上下文和语法语义之间的联系；在表达情感和句子含义相似或相同的基础上，对多个句子的交互作用进行联合评估.

[0013]本发明的有益效果是: 中文微博的情感分析中文微博情感分析技术研究，一种使用中文微博文本对中文微博的情感进行分类的方法，可以直观地显示微博文本的情感倾向. 博客文本情感倾向的研究可以扩展到各个领域，具有广阔的应用前景.

[图纸说明]

[0014]为了更清楚地解释本发明实施例中的技术方案，下面将简要介绍用于描述实施例的附图. 显然，以下描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来说，无需付出创造性劳动，也可以根据这些附图获得其他附图，其中: 图1为步骤文本预处理和本发明的句子识别流程图；图. 图2是本发明步骤情感极性分析的流程；图. 图3是本发明的步骤情感划分的流程图.

[具体实现]

[0015]下面，将对本发明实施例中的技术方案进行清楚，完整地描述. 显然，所描述的实施例仅是本发明的一部分

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-279068-1.html