[发明专利]一种数据挖掘方法

权利要求书

1.一种数据挖掘方法，其特征在于，在预定假设下对观点进行挖掘，所述预定假设包括：

(1)一个句子中的单词拥有相同的主题和情感；

(2)句子的情感划分为五类：负向，弱负向，中立，弱正向，正向，分别对应情感数值为1-5；

所述观点挖掘包括：

S1：对于给定的语料库，执行如下操作：

S101：产生单词分布φ～Dir(β)，背景词：φ^B，全局特征词：φ^A,g，全局观点词：{φ^o,g,s}，局部观点词：{φ^o,t,s}，其中，A是特征词，B是背景词，O是观点词，s表示情感，取值{1,2,3,4,5}；t＝1,2,3，…T，T为文档中主题的个数；

S102：产生单词类型分布ρ～Beta(η)；

S2：对于语料库中的每一篇文档d，执行如下操作：

S201：产生文档的主题分布θ^d～Dir(α)；

S202：对文档中的每个主题z，产生情感分布π^d,z～Beta(γ)；

S3：对于文档d中的每个句子m，执行如下操作：

S301：从多项式分布Multinomial(θ^d)中选择主题z_d,m；

S302：对给定的主题z_d,m，从多项式分布Multinomial(π^d,z)中选择情感s_d,m,z；

S4：对句子m中的每个单词n，执行如下操作：

S401：基于预定假设从句子中产生每个单词w_d,m,n的主题z_d,m和情感s_d,m,z；

S402：从关于{0,1}的二项式分布Binomial(ρ)中选择单词类型u_d,m,n；

S403：从参数为x^d,m,n关于{0，2}的多项式分布中选择单词类型分布y_d,m,n；

S404：基于下述公式(1)产生每个单词w_d,m,n：

$w_{d,m,n}~\left\{\begin{array}{c}Multi\left({\mathrm{\φ}}^B\right),if(y_{d,m,n}=0)\\ Multi\left({\mathrm{\φ}}^{A,t,s}\right),if(y_{d,m,n}=1,u_{d,m,n}=0)\\ Multi\left({\mathrm{\φ}}^{A,g}\right),if(y_{d,m,n}=1,u_{d,m,n}=1)\\ Multi\left({\mathrm{\φ}}^{O,t,s}\right),if(y_{d,m,n}=2,u_{d,m,n}=0)\\ Multi\left({\mathrm{\φ}}^{O,g,s}\right),if(y_{d,m,n}=2,u_{d,m,n}=1)\end{array}\right.---\left(1\right)$

其中，参数x^d,m,n通过下述公式(2)得到：

$P(y_{d,m,n}=l|f_{d,m,n})=x^{d,m,n}=\frac{\exp ({\mathrm{\λ}}_1\·f_{d,m,n})}{{\mathrm{\Σ}}_{1^{\′}}^2\exp ({\mathrm{\λ}}_{1^{\′}}\·f_{d,m,n})}---\left(2\right)$

其中，f_d,m,n词w_d,m,n的特征向量，λ₁为f_d,m,n所对应的权值，λ_l′是特征函数f′_d,m,n所对应的权值，l的取值为{0,1,2}；

S5：根据步骤S4的结果得到全局特征词、观点词和局部特征词、观点词以及背景词列表，并得到观点词对应的情感数值；

S6：建立情感云模型，用建立的情感云模型将步骤S5中得到的结果样本化，得到云模型的三个数字特征；

S7：利用情感修正算法进行修正，得到细粒度的主题-情感摘要。