[发明专利]一种跨语言情感分类方法

说明书

技术领域

本发明涉及自然语言处理技术领域及机器学习领域，具体涉及一种跨语言情感分类方法。

背景技术

随着网络技术的高速发展，互联网上产生了大量对于人物、事件、产品等进行评论的文本信息，这些海量的观点信息蕴藏着巨大的利用价值。此外，网络媒体的日益发达，舆情监督也显得日益重要，政府或机构迫切需要了解公众的看法以做出合理的决策等。

文本情感分类是指对用户发出的主观性文本进行分析和挖掘，从而对文本的情感倾向做出类别判断，判断其是表达褒义的（Positive）或贬义的（Negative）情感。目前相关领域中，对于单一语言的文本情感分类已成为业界讨论的热点，但对于不同语言间的情感分类研究并不多。

由于英文情感分类研究起步较早，目前已有大量成熟的情感词典和大量语料等可用资源。随着信息技术的高速发展，网络中逐渐出现不同语言表示的文本，例如，中文、德语、法语、日语等。这些大规模的文本包括产品评论、新闻、博客、微博等，同样蕴含着大量有价值的信息。因此，构建多语言情感分类系统有很重要的理论研究意义和实用价值。

鉴于上述原因，本发明提供一种从多语言的角度出发，充分考虑不同语言间的差距的跨语言的情感分类方法。

为了便于理解，首先对本发明涉及的常用名词定义作出介绍：情感分类（Sentiment Classification），即一种将文本按照所表达的情感极性分为褒贬的分类任务；跨语言情感分类（Multi-class Classification)，是指利用源语言对其他语言进行情感分类；机器学习分类方法（Classification Methods Based on Machine Learning)，是用于构建分类器的统计学习方法，输入是表示样本的向量，输出是样本的类别标签。

发明内容

本发明提供一种跨语言情感分类方法，包括以下步骤：

S1、从语料库获取预设数目的已标注英文语料以及未标注的中文语料，将已标注的英文语料翻译成中文语料，并进行标注；

S2、从所述中文语料中提取已标注部分，将所述中文语料中剩余的未标注部分进行情感分类；

S3、根据已标注中文语料中正类分类正确的样本数P、已标注中文语料中负类分类正确的样本数N，以及中文语料的总样本数A，计算分类准确率。

优选的，所述步骤S1中，所述英文语料及中文语料是从电子领域的语料库获取，同时还获取中文测试语料。

优选的，所述步骤S1中，使用计算机将已标注的英文语料翻译成中文语料，并进行标注。

优选的，所述步骤S2中，使用self-traning方法将所述中文语料中剩余的未标注部分进行半监督的情感分类。

优选的，在所述self-traning方法中，使用最大熵分类器对所述中文语料进行分类。

优选的，所述步骤S3中，计算分类准确率的公式为准确率=(P+N)/A。

优选的，所述英文语料及中文语料均为已知情感极性的语料。

根据本发明提供的跨语言情感分类方法，由计算机将已标注的英文语料翻译成中文语料后再进行标注，并提取已标注部分，有效利用了已标注的英文语料。接下来，将中文语料中剩余的未标注部分进行情感分类，并计算分类准确率。如此，有效解决了中文分类中已标注语料缺乏的问题，提高了中文分类的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面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讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明较佳实施例提供的跨语言情感分类方法流程图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图1是本发明较佳实施例提供的跨语言情感分类方法流程图。如图1所示，本发明较佳实施例提供的跨语言情感分类方法包括步骤S1～S3。

步骤S1：从语料库获取预设数目的已标注英文语料以及未标注的中文语料，将已标注的英文语料翻译成中文语料，并进行标注。