[发明专利]一种基于大数据中文网络评论语句主题语义倾向的分析方法

说明书

技术领域

本发明涉及一种基于大数据中文网络评论语句主题语义倾向的分析方法，利用本体来抽取语句主题以及它的属性，然后在句法分析的基础上，识别主题和情感描述项之间的关系，从而决定语句中每个主题的极性。

背景技术

目前，英特网上的信息与日剧增，蕴藏着巨大的信息量。但是，要想在很短的时间内获得人们对于诸如人物、事件、传媒、产品等有价值的评价信息，往往是十分困难的。随着网络的飞速发展，网上的各种各样的文章和言论信息量越来越大，使文本倾向性分析逐渐成为了近几年热门的研究课题。目前，在这个领域中主要有几个主要的研究方向，其中观点提取和词汇倾向性分类为倾向分析核心技术, 文本倾向性分类和主客观分类也是倾向分析研究方向重要分支。而关于情感倾向分析中的研究思路主要为采用机器学习的方法、基于语义的方法和结合语义和机器学习的方法。

文本的情感倾向分析方法中，基于机器学习的方法需要大量的人工标注语料、建立训练样本集和训练分类模型的工作，工作繁重而复杂，而取得的分类效果在部分领域与语义分析的效果差距不大，对于网络文本的准确率和召回率各为86％和85.2％。基于语义的分析方法比较单一，大都基于比较固定的语法模式。其中语义的分析方法中处理最基本的单位是情感词，随着网络文本的多样化，情感词提取并不能达到很高的准确率，对于网络文本的准确率和召回率各为84.2％和84.1％。因此，现有技术中，文本语义倾向分析的方法或多或少都存在准确率和召回率低的问题。

发明内容

基于上述问题，本发明目的在于提供一种基于大数据中文网络评论语句主题语义倾向的分析方法，利用本体来抽取语句主题以及它的属性，然后在句法分析的基础上，识别主题和情感描述项之间的关系，从而决定语句中每个主题的极性。

针对以上问题，提供了如下技术方案：一种基于大数据中文网络评论语句主题语义倾向的分析方法，其特征在于，所述分析方法包括：

主题抽取：对中文网络评论语句进行主题抽取，识别确定其主题术语和领域相关的本体概念；

语句预处理：对评论语句进行预处理，分句分词并过滤掉客观性表述，以获取该主题语义分析的情感描述项；

情感分析：分析情感描述项的极性以确定该主题的语义倾向。

本发明进一步设置为，所述主题抽取具体过程为：提取中文网络评论语句中的特征词，判断其是否存在领域主题术语词词典内，若不存在放弃该特征词，进入下一个特征词的判断过程；如果存在，则对该特征词进行标注，确定其本体概念。

本发明进一步设置为，其特征在于，所述语句预处理具体步骤包括：1）对评论语句进行分词分句；2）筛选掉过滤掉客观性的表述语句；3）获取有价值的情感词或情感词和它的修饰部分的组合。

本发明进一步设置为，所述情感分析为采用主谓结构SBV极性传递算法对情感描述项进行语义分析得到该主题的极性值。

本发明进一步设置为，所述主谓结构SBV极性传递算法具体步骤为：

（1）寻找语句中所有含有SBV结构的关系对；对每个关系对，记主语为subject,谓语为predicate，ModifiedPolarity(predicate) ← PriorPolarity（predicate）；

（2）如果ModifiedPolarity(predicate) ≠ 0

a) 如果谓语是形容词,则TopicPolarity(subject) ←ModifiedPolarity(predicate)；

b) 否则表示谓语为动词,则执行（3）；

c）检查CarOntology以判断该主语是不是主题词,如果主语是主题词,则打上标签(Marked)，对于处理过的情感词，也打上此标签(Marked)；

（3）如果ModifiedPolarity(predicate) ≠ 0，则

a) TopicPolarity (subject) ← ModifiedPolarity (predicate)；

b) 继续查找含有谓语动词predicate的VOB（动宾结构）关系对；如果该关系对含有的名词noun为主题词，则TopicPolarity (noun) ← ModifiedPolarity (predicate)；

否则表示谓语动词没有极性，执行（4）；

（4）找到含有该动词的VOB关系对，