[发明专利]一种中文的观点、评价信息的属性-观点对抽取方法

权利要求书

1.一种中文的观点、评价信息的属性-观点对抽取方法，其特征在于：包括以下步骤：

(1)对中文的观点、评价信息进行分词和词性标注，得到观点、评价信息中的每一个词及对应的词性；

(2)抽取属性-观点对；

(3)统计正面、负面属性-观点对出现的次数，然后判断是否正面出现次数大于负面出现次数，如果是则为正面属性-观点对，否则为负面属性-观点对。

2.根据权利要求1所述的中文的观点、评价信息的属性-观点对抽取方法，其特征在于：步骤(2)包括以下分步骤：

(2.1)抽取基于语法词性关系的属性-观点对；

(2.2)再抽取基于候选词典的属性-观点对；

(2.3)从搭配关系，领域相关性以及观点词是否具有倾向性三个方面来对步骤(2.2)的属性-观点对进行过滤；

(2.4)扩展步骤(2.3)的属性-观点对中的观点词和属性词；

(2.5)对属性-观点对的极性进行判断。

3.根据权利要求2所述的中文的观点、评价信息的属性-观点对抽取方法，其特征在于：步骤(2.2)包括以下分步骤：

(2.2.1)生成一个观点词表和一个属性词表；

(2.2.2)使用已有的字典对属性词和观点词进行扩展，即属性词只与其最近的观点词进行搭配，从而减少了同一句中不同的属性词和观点词出现的组合情况，以致生成了一个<属性词，观点词，句子>的三元组的集合。

4.根据权利要求3所述的中文的观点、评价信息的属性-观点对抽取方法，其特征在于：步骤(2.3)包括以下分步骤：

(2.3.1)判断搭配关系；

(2.3.2)基于领域互信息进行过滤。

5.根据权利要求4所述的中文的观点、评价信息的属性-观点对抽取方法，其特征在于：步骤(2.3.1)使用了公式(1)进行加权评分：

Score＝(OccurScore+RelationScore)*FrDistanceFactor*FlagFactor

(1)

其中，OccurScore和RelationScore分别为Noccur和relation的分段函数，而FrDistanceFactor和FlagFactor则分别是惩罚因子，同frDistance和flag有关，对Score取指定阈值即可对搭配关系进行判定。

6.根据权利要求5所述的中文的观点、评价信息的属性-观点对抽取方法，其特征在于：步骤(2.3.2)使用了公式2进行过滤：

M(w,D)=Σi=0nlogp(w,D(i))p(w)*p(D(i))---(2)]]>

其中，p(w)为词w在所有语料中出现的概率，p(D(i))为第i个领域出现的概率，等于第i个领域中的词的个数占所有语料中词的个数的比例，p(w，D(i))为词w在第i个领域中出现的次数处理所有语料中的单词数，其中i为正整数。