[发明专利]一种融合显性和隐性特征的中文微博情感分析方法

权利要求书

1.一种融合显性和隐性特征的中文微博情感分析方法，其特征在于：所述中文微博情感分析方法包括以下步骤：

1)微博显性特征处理，具体包括以下过程：

1.1)表情符号处理：根据微博自带的表情构建情感符号库，依据7类情感分类方法，将情感分为高兴、喜好、愤怒、悲伤、恐惧、厌恶、惊讶七个类别，将出现频率排在前150的表情符号，作统一化处理，即先建立情感符号表，将150个表情符号放入情感符号表，通过查表方式判断该情感符号是否属于情感符号表，若是则提取情感符号，通过转换成情感类别后写入情感特征表；

1.2)情感词处理：建立一个情感词典的情感词表，将这些情感词放入词表中，通过查表的方式判断通过文本分词后是否是情感词，若是则提取情感词，并写入情感特征表；

先建立一个网络词汇的情感词表，将这些网络词汇放入词表中，通过查表方式判定部分微博内容的情感类别；

2)微博隐性特征处理：基于频繁项集创建初始情感簇，每个初始情感簇文本都含有频繁项集，采用知网的中文语义相似度模型，根据最大语义隶属度原则分离各个初始情感簇；最后，通过定义簇间语义相似度矩阵，完成微博情感簇的凝聚式层次聚类，并优化得到最终的情感簇，实现微博情感分析；

所述步骤2)包括以下过程：

2.1)采用频繁集挖掘算法Apriori来计算挖掘频繁词集

利用频繁项集划分构造初始情感簇，将包含频繁趋势词集微博划分为一个簇，得到基于频繁项集初始情感簇，同时，将描述初始情感 簇的频繁项集作为对应情感簇临时标识，通过抽取各个初始情感簇的频繁项集来代表这个初始情感簇情感语义；

所述步骤2.1)中，

定义1：对数据库E中某个项集X，若项集X在数据库E中出现的次数大于预设比例，则称X是数据库E的频繁项集，这个预设比例称作最小支持度；

若将文本看成一条事务，文本词汇对应事务中的项目，则可将文本d表示为：d＝<t₁,t₂,…,t_n>，其中n表示文本d包含的特征词汇数量；

定义2：对文本集D的某个词集W，若W在D中的支持度s(W)≥min_s，则称词集W是文本集D的频繁词集，min_s为全局最小支持度；

扫描文本集D，利用词频趋势度统计候选项集出现的次数，收集满足最小支持度min_s设定的项集，记为频繁项集；利用产生的频繁k-项集构造强关联规则，利用频繁k-项集构造候选(k+1)-项集，反复迭代直至候选(k+1)-项集为空；

2.2)微博语义隶属度初始簇重叠消减

将每条微博归属到一个情感簇，计算簇间重叠部分对初始情感簇的情感语义隶属度，最后按最大语义隶属度原则进行簇分配；再删除那些初始簇分离后大小为0的空簇，重叠消减后的初始簇称为候选情感簇；

2.3)基于语义相似度的凝聚式情感聚类：对候选情感簇进行凝聚式层次聚类，合并情感簇。

2.如权利要求1所述的一种融合显性和隐性特征的中文微博情感分析方法，其特征在于：所述步骤2.2)中，

定义3：若微博doc_j被分配到初始情感簇C_i中，则称微博doc_j支持簇C_i；

定义4：记D_i和D_j是支持簇C_i和C_j微博集合，并且D_i∩D_j≠0，则称簇C_i和簇C_j存在簇间重叠；

定义5：微博情感语义隶属度，本发明将微博doc_j对簇C_i的情感语义隶属度函数定义如下：

其中，簇频繁1-项集{f_i1,f_i2,...,f_im}表示初始簇C_i的情感特征项，{t_j1,t_j2,...,t_jn}表示初始簇C_i中微博文本doc_j的特征项；sim(f_ik,t_jl)为簇特征项f_ik和文本特征项t_jl在《知网》中定义的语义相似度，n为微博文本doc_j特征项数目，m为簇特征项数目。