[发明专利]一种基于XML的情感词词性标注的方法

说明书

技术领域

本发明涉及一种词语标注的方法，尤其是在XML架构下按词性对情感词进行标注的方法，属于自然语言处理与情感计算领域。

背景技术

汉语文本中蕴含着丰富的情感词汇，研究汉语文本情感，词汇的情感标注尤为重要。当前的分词系统能够有效的将汉语文本按照不同成分进行划分，如何将这些成分有效的分类标注，对后续的情感计算工作具有重要的意义。

XML是一种可拓展标记语言，用于标记电子文件使其具有结构性的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。XML是标准通用标记语言(SGML)的子集，非常适合Web传输与程序调用，另外，XML是一种跨平台的语言，而且所有的面向对象的程序语言都可以支持XML。XML Schema定义了XML文档的规范，可以视作XML的约束文档，使用XML Schema定义的规范也就是在XML文档中存储被标记的情感词的结构。

在当前的文本标注研究中，多以文本文档或者表格文档对分词后的文本成分进行存储，结构不清晰，不利于后续程序开发以及情感计算中的调用。因此使用XML对情感词词汇的标注方法具有很强的现实意义，利用XML Schema对XML的约束方法，增强了标注结构的扩展性和规范性。

发明内容

本发明提供了一种基于XML的情感词词性标注的方法。

包括以下步骤：

步骤一：根据汉语词汇词性的不同制定XML元素标签；

步骤二：根据制定的词性标签的逻辑关系编写Schema约束文档；

步骤三：设计表征词汇情感属性的参数维度；

步骤四：按照词汇的词性将情感词存储在所属标签下的XML文档中。

在步骤一中：按照分词后的词汇词性不同，将这些词汇根据词性的不同赋予不同的标签，例如：对于动词使用<v/>进行标注，名词使用<n/>进行标注。对于在一种词性中不同分类的二级词性，进行标注，例如在形容词标签<a/>中定义了<ad/>、<an/>、<ag/>和<al/>四种二级标签。特别的对于在汉语文本中常见的词语或者符号进行了单独的标注，例如<vshi/>和<vyou/>分别作为“是”和“有”的标签，<vand/>和<vbut/>分别作为两种连词并列关系和转折关系的标签，<ww/>和<wt/>分别作为“？”和“！”的标签。具体标注标签见说明书附图。

在步骤二中：用Schema语言编写XML的约束文档，定义XML的结构规则。根节点定义为<xs:element name＝″情感词词性标注规范″/>，用<xs:complexType/>复杂类型定义所有的一级子节点，也就是一级词性的节点，用<xs:sequence/>约束节点的顺序模式，对于包含二级子节点的词性，用<xs:complexType/>定义二级子节点，节点元素定义格式为<xs:elementname＝″″maxOccurs＝″unbounded″>，其中″unbounded″表示可以存储无限个情感词汇，每一种词性的最低级词性标签的内容为情感词汇，因此在最低级词性节点处定义情感词汇的属性。

在步骤三中：在设计情感词属性形式中，采用三个参数定义一个词汇的，分别为<xs:attribute name＝″h″/>、<xs:attribute name＝″s″/>、<xs:attribute name＝″v″/>。其中h取值范围0-360，s和v取值范围为0-100，每个情感词的情感值由这三个属性共同确定。

在步骤四中：根据Schema定义的约束，存储情感词汇，例如存储“高兴”，则为：<n h＝20s＝90 v＝90>高兴</n>。

本发明的方法的优点在于，利用XML文档代替文本文档或者表格文档存储情感词汇，使情感词更容易被程序调用以及后续的增改；利用词性作为情感词分类的依据，更有效的联系了分词系统与标注系统的关系；设计情感词三维数值属性，更精确的描述情感词的情感属性。

附图说明

图1为XML Schema定义的节点结构图，其中长方形框内的内容极为节点元素名。

具体实施方式