[发明专利]一种基于最大熵模型的评价类型情绪分类方法及系统

说明书

技术领域

本发明涉及信息抽取及模式识别技术领域，特别是涉及一种基于最大熵模型的评价类型情绪分类方法及系统。

背景技术

当今，随着互联网的高速发展和信息高速公路的兴起，网络信息数据不断增加，从而使得大量的信息以电子文本的形式呈现在人们面前。因此，如何从这些大量的信息中迅速、准确地提取出人们所需求的重要信息就越发重要。

信息抽取是从文本中自动获取信息的一种主要手段。信息抽取是将无结构的文本信息，按照人们的需求识别和抽取出来，转化为结构化或半结构化的信息，并采用数据库的形式存储，以便人们查询和进一步的分析、利用。在当今的日常生活中，我们将对评价对象的某段评价语句称为评价语料，评价语料中通常会包含着positive(积极)、negative(消极)、neutral(中立)、conflict(抵触)等等情绪类型。评价对象的类型(简称评价类型)包括food(食物)、service(服务)、price(价格)、Ambience(环境氛围)、anecdotes(趣闻轶事)/miscellaneous(其它方面)等等。举个例子，下面是一个评价语料：All the money went into the interior decoration(室内装修，归为环境氛围类型),none of it went to the chefs(厨师，归为食品类型)。该评价语料中有2个评价类型，分别为ambience、food，其中，ambience对应的情绪为positive，而food对应的情绪为negative。

目前，评价类型情绪分类方法大多是都是基于机器学习的方法，即使用统计的方法进行研究，其主要还是基于全监督的学习方法，这种方法把评价类型的情绪判别看成分类问题，选择合适的特征并使用合适的分类器来完成。基于机器学习的方法有效智能，但是却存在不能充分利用上下文信息，特征无法全局归一化等缺点，降低了分类性能。

发明内容

有鉴于此，本发明提供了一种基于最大熵模型的评价类型情绪分类方法及系统，以达到充分利用上下文信息，特征全局化，进而提高分类性能的目的。

为解决上述技术问题，本发明提供一种基于最大熵模型的评价类型情绪分类方法，包括：

获取原始评价语料，并从所述原始评价语料中提取特征信息集，所述特征信息集包括词特征、词性特征、评价对象特征及情感特征；

将所述特征信息集中各类特征进行融合，处理得到可用语料；所述可用语料的语料格式与最大熵模型相匹配；

将所述可用语料划分为训练语料和测试语料，利用所述训练语料训练最大熵模型，得到情绪分类模型；

将所述测试语料输入所述情绪分类模型，对所述测试语料中评价类型的情绪进行分类，得到情绪分类结果；

其中，所述评价类型包括食物、服务及价格。

优选的，利用Stanford工具从所述原始评价语料中提取所述词性特征。

优选的，结合预设情感字典从所述原始评价语料中提取所述情感特征。

本发明还提供了一种基于最大熵模型的评价类型情绪分类系统，包括：

特征信息集提取单元，用于获取原始评价语料，并从所述原始评价语料中提取特征信息集，所述特征信息集包括词特征、词性特征、评价对象特征及情感特征；

可用预料确定单元，用于将所述特征信息集中各类特征进行融合，处理得到可用语料；所述可用语料的语料格式与最大熵模型相匹配；

训练单元，用于将所述可用语料划分为训练语料和测试语料，利用所述训练语料训练最大熵模型，得到情绪分类模型；

情绪分类单元，用于将所述测试语料输入所述情绪分类模型，对所述测试语料中评价类型的情绪进行分类，得到情绪分类结果；

其中，所述评价类型包括食物、服务及价格。

以上本发明提供的技术方案中，使用最大熵模型，充分利用了上下文信息，建立一个统一的概率模型，提高了评价类型情绪分类的性能，具体包括：首先，获取原始评价语料，并从原始评价语料中提取特征信息集；然后，将特征信息集中各类特征进行融合，处理得到可用语料，这个可用语料的语料格式与最大熵模型相匹配；其次，将可用语料划分为训练语料和测试语料，利用训练语料训练最大熵模型，得到情绪分类模型；最后将测试语料输入情绪分类模型，对测试语料中评价类型的情绪进行分类，得到情绪分类结果，达到了充分利用上下文信息，特征全局化，进而提高分类性能的目的。

附图说明