[发明专利]一种文本情绪复杂度的确定方法及装置

权利要求书

1.一种文本情绪复杂度的确定方法，其特征在于，包括：

利用预先构建的分类器对待分类文本进行分类，获得所述待分类文本的分类结果；其中，所述分类结果包含预设数量的概率值，且每一概率值与一情绪复杂度对应；

确定所述预设数量概率值中的最大概率值；

将所述最大概率值对应的情绪复杂度确定为所述待分类文本的情绪复杂度。

2.根据权利要求1所述的文本情绪复杂度的确定方法，其特征在于，所述分类结果包含三个概率值，分别为第一概率值、第二概率值及第三概率值；其中，第一概率值与高情绪复杂度对应，第二概率值与中情绪复杂度对应，第三概率值与低情绪复杂度对应。

3.根据权利要求1所述的文本情绪复杂度的确定方法，其特征在于，所述分类器的构建方法包括：

将获取的待训练文本集合划分为所述预设数量种类的样本子集，并将所述样本子集组合为训练集；其中，所述待训练文本集合中包含多个待训练文本；

在所述待训练文本集合中，提取特征词；

利用所述训练集对所述特征词进行训练，生成分类器。

4.根据权利要求3所述的文本情绪复杂度的确定方法，其特征在于，每个所述待训练文本均具有多个情绪标签，且每个情绪标签具有各自对应的投票数；

其中，所述将获取的待训练文本集合划分为所述预设数量种类的样本子集，并将所述样本子集组合为训练集，包括：

根据每个所述待训练文本各自情绪标签的投票数，确定各自的情绪复杂值；

根据每个所述待训练文本情绪复杂值，将所述待训练文本集合划分为所述预设数量种类的样本子集，并将所述样本子集组合为训练集。

5.根据权利要求4所述的文本情绪复杂度的确定方法，其特征在于，所述根据每个所述待训练文本各自情绪标签的投票数，确定各自的情绪复杂值，包括：

针对每个所述待训练文本，计算各自每个情绪标签的投票数占各自待训练文本投票总数的比值；

利用复杂度计算公式，分别计算每个所述待训练文本各自的情绪复杂度值；其中，所述复杂度计算公式为：

C(e)=-Σi=1nP(ei)logP(ei);]]>

其中，P(e_i)为情绪标签的投票数占各自待训练文本投票总数的比值；n为各自待训练文本的情绪标签总个数。

6.根据权利要求1所述的文本情绪复杂度的确定方法，其特征在于，所述分类器为最大熵分类器。

7.一种文本情绪复杂度的确定装置，其特征在于，包括：

分类器分类模块，用于利用预先构建的分类器对待分类文本进行分类，获得所述待分类文本的分类结果；其中，所述分类结果包含预设数量的概率值，且每一概率值与一情绪复杂度对应；

最大概率值确定模块，用于确定所述预设数量概率值中的最大概率值；

情绪复杂度确定模块，用于将所述最大概率值对应的情绪复杂度确定为所述待分类文本的情绪复杂度。

8.根据权利要求7所述的文本情绪复杂度确定装置，其特征在于，所述分类器分类模块利用的分类器的构建模块包括：

训练集生成子模块，用于将获取的待训练文本集合划分为所述预设数量种类的样本子集，并将所述样本子集组合为训练集；其中，所述待训练文本集合中包含多个待训练文本；

特征词提取子模块，用于在所述待训练文本集合中，提取特征词；

分类器生成子模块，用于利用所述训练集对所述特征词进行训练，生成分类器。