[发明专利]一种基于结构句法的情绪原因事件识别方法及系统

说明书

技术领域

本发明涉及信息抽取技术领域，更具体地说，涉及一种基于结构句法的情绪原因事件识别方法及系统。

背景技术

随着互联网的高速发展，网络信息数据不断增加，大量信息以电子文本的形式呈现在人们面前。而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。

信息抽取是从文本信息中自动获取所需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。其中，由文本信息中获取其情绪原因事件是信息抽取中的一个重要方面，情绪原因事件是指文本信息(可以是某段语句)中情绪的触发事件。例如，对于文本信息：IamhappybecauseIhavepassedthetest。该句中情绪对应的情绪词为happy，与之对应的情绪原因事件为Ihavepassedthetest。

目前，情绪原因事件识别方法大多是基于机器学习的方法，即使用统计的方法进行研究。主要还是基于全监督的学习方法，这种方法把情绪原因事件识别看成分类问题，选择合适的特征并使用合适的分类器来完成。但是，这种方法获取待测文本的情绪原因事件的准确率较低。

综上所述，现有技术中的情绪原因事件识别方法存在获取待测文本的情绪原因事件的准确率较低的问题。

发明内容

本发明的目的是提供一种基于结构句法的情绪原因事件识别方法及系统，以解决现有技术中存在的获取待测文本的情绪原因事件的准确率较低的问题。

为了实现上述目的，本发明提供如下技术方案：

一种基于结构句法的情绪原因事件识别方法，包括：

获取预设量的训练文本，所述训练文本为已提供其情绪原因事件的文本；

将所述训练文本进行分词处理，得到分别与每个所述训练文本对应的训练词组；

确定所述训练词组中每个词语的结构句法特征；

利用所述训练词组及每个所述训练词组包括的每个词语的结构句法特征训练CRF模型；

利用所述CRF模型确定待测词组对应的待测文本的情绪原因事件。

优选的，所述利用所述训练词组及每个所述训练词组包括的每个词语的结构句法特征训练CRF模型，包括：

确定每个所述训练词组中与该训练词组的情绪原因事件对应的训练情绪词；其中，所述训练词组的情绪原因事件为与所述训练词组对应的训练文本的情绪原因事件；

确定每个所述训练词组中每个词语的词特征、词性特征及词距离；其中，每个所述训练词组中每个词语的词距离为该训练词组中每个词语与该训练词组中的训练情绪词之间的距离；

利用每个所述训练词组及该训练词组中每个词语的词特征、词性特征、词距离及结构句法特征训练CRF模型。

优选的，确定每个所述训练词组中每个词语的词特征、词性特征及结构句法特征，包括：

利用Stanford工具确定所述训练词组中每个词语的词特征、词性特征及结构句法特征。

优选的，所述确定每个所述训练词组中每个词语的词特征、词性特征及词距离，包括：

确定每个所述训练词组中每个词语的词特征、词性特征及词距离；其中，每个所述训练词组中位于该训练词组中的训练情绪词左边的词语的词距离为负数，位于该训练词组中的训练情绪词右边的词语的词距离为正数。

优选的，所述利用所述CRF模型确定待测词组对应的待测文本的情绪原因事件，包括：

获取待测文本，所述待测文本为未提供其情绪原因事件的文本；

将所述待测文本进行分词处理，得到待测词组；

确定所述待测词组中包括的待测情绪词；

确定所述待测词组中每个词语的词特征、词性特征、词距离及结构句法特征；其中，所述待测词组中每个词语的词距离为该待测词组中每个词语与待测情绪词之间的距离；

利用所述待测词组中每个词语的词特征、词性特征、词距离及结构句法特征，通过所述CRF模型，得到所述待测文本的情绪原因事件。

一种基于结构句法的情绪原因事件识别系统，包括：

获取模块，用于获取预设量的训练文本，所述训练文本为已提供其情绪原因事件的文本；

分词模块，用于将所述训练文本进行分词处理，得到分别与每个所述训练文本对应的训练词组；

第一确定模块，用于确定所述训练词组中每个词语的结构句法特征；

训练模块，用于利用所述训练词组及每个所述训练词组包括的每个词语的结构句法特征训练CRF模型；