[发明专利]用于修正和/或扩展情感词典的方法和装置

说明书

技术领域

本发明涉及自然语言处理领域，更具体地，涉及一种用于修正和/或扩展情感词典的方法和装置。

背景技术

随着因特网的发展，越来越多的人在网上发布信息，其中包括了很多用户对产品的评论和个人对事件、政策的看法。这些评论和看法经常发表在购物网站、论坛和个人博客上，对用户、商家、调研组织等个人和机构都很有价值。对用户和商家而言，这些文本能帮助他们了解产品优缺点并根据评价改进产品，对调研组织等机构而言，可以了解个人对事件和政策的看法，进而建议相关组织和机构实施对策和调整政策。由于这样的信息很多，人们希望计算机能够自动地分析、处理和总结，并将结果呈现给用户。但是，由于自然语言的多样性和随意性，计算机的自动处理存在一定难度，需要一定的技术来解决。

总的来说，确定文本的情感极性的方法主要分为两种方式：监督式和非监督式。监督方法需要一个人工标注的训练样本集，然后用机器学习的方法训练一个模型，再用这个模型对新样本进行情感判断。非监督方法不需要训练样本集，一般使用事先定义的词表(词典)判断一些文本极性，而现有的词表(词典)由于是人工创建，难免存在错误，同时词汇量也非常的有限。

针对词表(词典)词汇量有限的问题，已进行了一些研究，希望对一个新词的情感极性进行判断。然而，这些研究所得到的结果并不理想。例如，一些没有情感的词也往往被判断为有情感等，并且这些研究也无法有效地发现现有情感词表(词典)中存在的错误。

本说明书中采用以下定义

极性(也称“情感极性”)：人们表达情感的倾向。极性分为正面、负面以及中性三种。如：“漂亮”、“便宜”等词表达的是一种正面的情感，因此它们的极性为正；而像“丑”、“坏”等表达的是负面的情感，因此极性为负；而“长度”、“大小”等没有明显的情感倾向，因此极性为中性。

极性强度(也称“情感极性强度”)：用于对情感倾向的量化，极性强度为正时，表达正面情感，值越大情感越强烈；极性强度为负时，表达负面情感，其绝对值越大，情感越强烈。

参考文献[1](Lun-Wei Ku，Tung-Ho Wu，Li-Ying Lee and Hsin-HsiChen.Construction of an Evaluation Corpus for Opinion Extraction.NTCIR 2005，pages.513-520)提出了一种判断新词的情感极性的方法，其中以汉字的使用规律为出发点，来判断词的情感极性。事实上，某些字跟情感有很大的联系。如“高”，通常情况下，包含“高”的词语都是表达正面情感的词：“居高临下”、“崇高”等。因此，在判断一个新词(即现有情感词列表中不包含的词)的情感极性时，该方法首先考察组成该词的字的情感极性，然后根据这些字的极性，综合得到词的情感极性。

在参考文献[1]中，在判断一个字“c”的情感极性强度时，所采用的解决方案是看现有情感词列表中，有多少正面情感词包含c(用fp_c表示)，有多少负面情感词包含c(用fn_c表示)，然后字c的情感极性强度s_c用下面的公式(1)计算。