[发明专利]基于多特征融合的微博文本数据分类方法

权利要求书

1.一种基于多特征融合的微博文本数据分类方法，其特征在于，包括：

步骤1，进行用户认证登录，获取微博文本数据信息，根据分类器获取特征信息并计算特征信息权重；

步骤2，通过朴素贝叶斯方法对特征信息进行分类，对于分类结果进行权值计算，定义权值为：

W＝{p_t∈T}，

其中，t是情感类别；T为情感类别空间，记为：T＝{like,angry,disgust,sadness,happiness,fear,surprise}，即为T＝{喜欢，生气，厌恶，悲伤，幸福，胆怯，惊讶}，p_t是分类器在类别t上的分类正确率；

定义k为样本组别，其中1≤k≤N，N为文档总数；s为样本规模，s∈S；S＝{1000,1500,2000,2500}；D_(s,k)是样本规模为s时的第k组样本；样本的规模组别为GroupN，其中1≤GroupN≤|S|，其中|S|为S的模，记NS＝|S|；对分类器N_f，为保证权值的稳定性，计算权值时，需要从训练集中选取多种规模、多组别的样本进行计算；

步骤3，将计算完成的分类结果进行分类融合，直到特征信息分类完毕，将分类完毕的特征信息进行展示操作；

所述步骤2中权值计算步骤为：

步骤2-11初始化的步骤，令k＝₁，GroupN＝1，s＝S[GroupN]，

步骤2-12，用N_f对D_(s,k)分类，计算N_f在类别t中的正确率p_t，将其作为N_f在类别t的权值，由此得到N_f在规模为s时的第k组权值向量，定义为：

W_(s,k)＝{p_t}；

步骤2-13，如果k≤N，则令k＝k+1；返回步骤2-12；

否则，执行步骤2-14；

步骤2-14，计算权值向量：

步骤2-15，如果GropuN＜NS，则令GroupN＝GroupN+1；k＝1；s＝S[GroupN]；返回步骤2-12；

否则将作为N_f的权值向量。

2.根据权利要求1所述的基于多特征融合的微博文本数据分类方法，其特征在于，所述步骤1包括：

步骤1-1，确定情感特征词集，所述情感特征词集包括程度副词、否定副词集、表情符号集、转折词集和感叹词集；

步骤1-2，设置数据信息观察窗口[-X，+X]，对文中的任意情感词，分别观察其左、右两边距离为X的词语数据，所述X为整数，如有程度副词或否定副词，则将其与当前词相连形成短语；如不存在否定副词或程度副词，则将当前词形成短语，并收集得到特征w和类别c；

步骤1-3，以词频作为获取特征信息得到特征信息权值的计算基础，通过公式，进行特征信息提取的计算；

其中：A是特征w和类别c共现的次数，B是w出现但c不出现的次数，C是c出现但w不出现的次数，D是w和c都不出现的次数，N是文档总数。