[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

说明书

技术领域

本发明涉及计算机应用技术的技术领域，具体地涉及一种中文的观点、评价信息的属性-观点对抽取方法。 

背景技术

“属性-观点”对，也可以叫做“特征-观点”对，在评论中，属性和特征是相对产品或服务而言的，反映了一个产品或服务的不同方面。评论中属性词与观点词对的抽取是实现文档摘要、属性分析、极性判断等研究的基础工作，具有较高的研究价值。 

我们认为，属性是表达相同意思的同义词集，例如，“性价比”，“价位”，“价钱”，“价格”，“售价”可以看作是“性价比”这个属性的同义词集，也就是属性词。同一个产品或服务，对应于很多属性，例如，手机有“外观”，“质量”，“性价比”，“信号”等属性。观点词一般用来描述属性词，例如，“性价比”的观点词为“高”。 

属性观点对的抽取有很多相关的研究，但是涉及到中文领域的不是很多。一般来说，有基于规则的方法和机器学习的方法。例如，定义规则出现属性词后面的观点词即认为是属性观点对；机器学习的方法需要人工标注数据，抽取特征训练模型。但是，这些方法需要标注和训练模型，准确率不高，鲁棒性低。 

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种不需要标注和训练模型、准确率较高、具有较高的鲁棒性的中文的观点、评价信息的属性-观点对抽取方法。 

本发明的技术方案是：这种中文的观点、评价信息的属性-观点对抽取方法，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。 

该方法充分利用大规模的互联网上用户标注的信息，同时结合句法、语法规则和大规模语料上的统计分析，不需要人工标注数据和训练模型，准确率较高，且具有较高的鲁棒性。 

附图说明

图1是根据本发明的中文的观点、评价信息的属性-观点对抽取方法的流程图； 

图2是根据本发明的统计正面、负面属性-观点对出现的次数的流程图。 

具体实施方式

下面对本发明的技术方案做进一步的详细描述。 

如图1所示，这种中文的观点、评价信息的属性-观点对抽取方法，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(如图2所示)，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。 

该方法结合规则和统计信息，不需要标注和训练模型，准确率较高，且具有较高的鲁棒性。 

优选地，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。