[发明专利]一种基于主题的网络用户评论的推荐度评分方法

权利要求书

1.一种基于主题的网络用户评论的推荐度评分方法，其特征在于包含以下步骤：

1)获取网络中同一主题下的用户评论，以句子为单位组织这些评论；给定主题T，T＝{R₁,R₂,...}表示主题T下的所有用户评论；获取这些评论后，对其中的一个评论R_i，i≥1，将其分割为句子集合，即：R_i＝{S₁,S₂,…}，其中S_j代表一个句子，j≥1；

2)基于句子中的情感词，对每一个句子完成情感评分；其具体处理流程是：首先将句子S解析成单词的序列S＝<w₁,w₂,...,w_n>，其中w为单词，n为句子中包含的单词总数；然后对照情感词库，提取其中的情感词和程度词；分别对情感词和程度词打分；接下来针对情感词和程度词的组合打分；完成单词组合打分后，汇总成句子的情感评分，其公式如下：

v(R)=Σv(w)n]]>

其中R代表待评分的句子，v(w)代表对单词或词组的评分，n为句子中的单词总数；最后将句子的情感评分离散化为三个极性：正面、负面、中性；

3)以句子和对应的情感评分作为输入，按用户单位，训练隐马尔可夫SVM模型(Hmm-SVM)；

4)针对待评分的目标评论，采用Hmm-SVM模型为评论中的每一个句子评分；

5)针对待评分的目标评论，采用步骤2)方法对每一个句子评分；

6)采用加权平均法，综合步骤4)及步骤5)两个方面的评分，获得目标评论的推荐度评分。

2.根据权利要求1所述的基于主题的网络用户评论的推荐度评分方法，其特征在于，上述步骤2)中对情感词和程度词打分的过程是，依据已制定和公开的情感词库将情感词分成正反两个极性，其中正面极性打分为1；负面极性打分为-1；参照已制定和公开的情感词库：将程度词分为正向及反向两个等级：其中正向等级打分为1；反向等级打分为-1。

3.根据权利要求2所述的基于主题的网络用户评论的推荐度评分方法，其特征在于，上述步骤2)中对情感词和程度词的组合打分的过程分三种情况：

1)情感词单独出现，其前后没有程度词：按照情感词极性直接打分；

2)程度词单独出现，其前后没有情感词：忽略程度词；

3)情感词和程度词成对出现：分数为情感词和程度词打分的乘积。

4.根据权利要求3所述的基于主题的网络用户评论的推荐度评分方法，其特征在于，步骤2)中将句子的情感评分离散化为三个极性：正面、负面、中性的具体评分标准为：

1)正面，评分大于等于t，t为阈值，取值空间为[0.02～0.2]，建议取值0.1；此时评分为1；

2)负面，评分小于等于-t，t含义同上；此时评分为-1；

3)中性，评分介于-t和t之间，t含义同上；此时评分为0。

5.根据权利要求4所述的基于主题的网络用户评论的推荐度评分方法，其特征在于，上述步骤3)中按用户单位训练隐马尔可夫SVM模型的处理过程是：首先以用户为单位，收集用户U在主题下的所有评论中的句子，组成一个句子序列；然后将序列中的句子排序，即U＝<S₁,S₂,...>，排序规则是：属于同一评论的按先后次序，属于不同评论则按时间顺序；接下来以句子为单位，提取文本特征，将句子转换为一个有标记的特征向量F_S+＝<f1,f2,...,v>，其中f_i为文本特征值，i≥1，v为离散化的情感评分；最后按照用户单位，以句子序列对应的特征向量序列作为输入，训练隐马尔可夫SVM模型。