[发明专利]一种基于句法分析的特征观点词对的提取方法

说明书

技术领域

本发明属于自然语言处理领域，更为具体地讲，涉及一种基于句法分析的特征观点词对的提取方法。

背景技术

当前，在各种网络论坛，以及购物网站，点评网站充斥着大量的评论信息。这些评论包含着大量的口语以及语法错误。这些口语化和语法错误给文本分析带来了大量的困扰和错误。

与此同时，在海量的评论的信息中存在着大量的垃圾以及无用信息，如何提取出有用的评论者的观点，对于舆情分析，情感分析，网络监控等等相关领域都有着及其重要的作用。目前的特征观点词对的提取方法基于特征词最近的形容词，过于单一，造成观点提取的不完整。以至于影响后面舆情分析，情感分析，网络监控等。

本方法旨在构建新的句法分析器，使用新的句法分析器提取评论信息中的特征观点词对，使特征观点词对的提取更加的准确全面。使后一步的相关工作者进行相应分析时获得更为准确的结果。

发明内容

本发明的最终目的是为评论信息分析提供正确的特征观点词对，克服现有特征观点词提取方法过于单一，召回率低等缺点。最终的特征观点词对，由两个部分构成，一部分为特征词，一部分为此特征词的观点。举例，佳能相机（特征词），喜欢（观点词）。本发明通过句法分析的方式找出特征观点词对。

为了实现上述目的，本发明基于句法分析的特征观点词提取方法，其方法构成主要由以下特征构成：

—分词以及词性标注模块。本模块用来处理评论文本，在经过本模块后，文本将从一系列汉字串变为独立的单词，同时对应各个单词的词性也会标记出来。单词的词性，即形容词，动词，名词等等。举例，整体/n来说/u菜/n的/uj质量/n和/c口感/n相当/d不错/a。在本例中“/“后面的词性标签符合中科院ICTCLAS标准。

—句法分析器模块。本模块用来处理分词词性标注后的序列。如上述例子本模块处理的序列为n u n uj n c n d a。在句法分析器模块中，会剔除无关成分仅保留n，ny，vn，v，a，l，z，i。合并保留成分n，n；ny，ny；ny，vn；ny，n；n，vn。同时对单个汉字且前面没有副词出现的动词进行剔除。经过上述处理过程后得到一个词性成分序列如n，v。

—成分序列映射模块。本模块用来映射词性成分序列和应提取的成分。本模块在获得词性成分序列后会将其与已经存储在列表中的成分序列到提取成分映射作对比。如果存在这样的映射则输出应该提取的词性成分以及在句子中的位置。

—成分提取模块。本模块根据成分序列映射模块输出的应该提取的词性成分以及在句子中的位置提取相应的成分。并与特征词形成特征观点词对。

—固定搭配模块。本模块在句法分析无法正确进行时的补充。通过引进评论知识库中的特征词与观点词的固定搭配。当在一个短句子中同时出现特征词与观点词时我们认为，特征词与观点词是一个特征观点词对。并将其输出。

—特征观点词对存储模块。本模块存储由各模块生成的特征观点词对。便于后来工作者的调用。

附图说明

图1是本发明一种基于句法分析特征观点对提取方法的具体实施原理以及框图。

图2是图1中句法分析器模块的具体实施原理以及框图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明一种基于句法分析特征观点对提取方法的具体实施原理以及框图。

在本实施例中，如图1所示，基于句法分析特征观点对的提取方法主要包括分词以及词性标注模块1，句法分析器模块2，成分序列映射模块3，评论知识库模块4，成分提取模块5，固定搭配模块6，特征观点词对存储模块7。