[发明专利]一种微博文本情绪识别方法及系统

说明书

技术领域

本发明涉及自然语言处理和社交网络技术领域，更具体地说，涉及一种微博文本情绪识别方法及系统。

背景技术

随着Web2.0的兴起和发展，网络信息的规模也随之快速增长，互联网已经成为各种信息的重要载体。论坛、博客、微博等社交媒体成为大众分享信息和情感的重要途径。其中微博给予用户更自由、更快捷的方式来表达观点、记录心情，已成为国内最为热门的互联网应用之一。情绪分析有助于完善互联网舆情监控系统，帮助企业制定精准的广告投放，为突发事件提供预警等；此外，情绪分析研究还可以帮忙其他领域，如心理学、社会学、金融学等领域的研究。在此背景下越来越多的研究工作开始关注微博，其中重要的一类研究是微博文本情绪识别。但目前仍未提出一种可行的微博文本情绪识别方法。

综上所述，如何提供一种微博文本情绪识别方法及系统，是目前本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明的目的是提供一种微博文本情绪识别方法及系统，用以获得待分类微博文本是否含有情绪。

为了实现上述目的，本发明提供如下技术方案：

一方面，本发明提供了一种微博文本情绪识别方法，包括：

获取第一微博文本信息；所述第一微博文本信息为微博用户发表的原创微博文本信息；

标注所述第一微博文本信息的情绪类别，并对标注后的所述第一微博文本信息进行分词操作，以获取相应的所有所述第一微博文本信息的分词集合，并依据所述分词集合获取各所述第一微博文本信息相应的特征向量；

依据所述第一微博文本信息的情绪类别及相应的所述特征向量获取最大熵分类器；

采用所述最大熵分类器对测试语料进行情绪识别。

优选的，在获取第一微博文本信息前还包括：

收集第二微博文本信息；所述第二微博文本信息为所述微博用户发表的所有微博文本信息。

优选的，所述收集第二微博文本信息包括：

构建用户队列，并对所述用户队列进行初始化操作；

选取任意一个微博用户作为种子用户，并将所述种子用户以及所述种子用户的关注用户和粉丝用户添加到所述用户队列中；

从所述用户队列中任意选取一个微博用户，并通过微博提供的应用程序编程接口抓取所述微博用户发表的所述第二微博文本信息，并将所述微博用户的关注用户及粉丝用户添加到所述用户队列；

判断抓取的所述微博用户的数量是否达到预设值；

当抓取的所述微博用户数量达到预设值时，则停止收集所述第二微博文本信息。

优选的，所述获取第一微博文本信息包括：

获取所述微博提供的所述应用程序编程接口中的Type字段值；

当获取的所述Type字段值等于1时，则筛选出与所述应用程序编程接口中Type字段值等于1相对应的所述第二微博文本信息，并将所述第二微博文本信息标记为所述第一微博文本信息。

优选的，所述采用所述最大熵分类器对测试语料进行情绪识别包括：

采用所述最大熵分类器对所述测试语料进行分类，并获取相应的分类结果；

对所述分类结果进行统计，并获取相应的统计结果；

依据所述统计结果判断所述测试语料是否含有情绪。

另一方面，本发明还提供了一种微博文本情绪识别系统，包括：

第一获取模块，用于获取第一微博文本信息；所述第一微博文本信息为微博用户发表的原创微博文本信息；

第二获取模块，用于标注所述第一微博文本信息的情绪类别，并对标注后的所述第一微博文本信息进行分词操作，以获取相应的所有所述第一微博文本信息的分词集合，并依据所述分词集合获取各所述第一微博文本信息相应的特征向量；

第三获取模块，用于依据所述第一微博文本信息的情绪类别及相应的所述特征向量获取最大熵分类器；

识别模块，用于采用所述最大熵分类器对测试语料进行情绪识别。

优选的，所述系统还包括：

收集模块，用于收集第二微博文本信息；所述第二微博文本信息为所述微博用户发表的所有微博文本信息。

优选的，所述收集模块包括：

构建单元，用于构建用户队列，并对所述用户队列进行初始化操作；

选取单元，用于选取任意一个微博用户作为种子用户，并将所述种子用户以及所述种子用户的关注用户和粉丝用户添加到所述用户队列中；