[发明专利]一种基于概念和文本情感的短文本情感分析方法和装置

说明书

本发明提供了一种基于概念和文本情感的短文本情感分析方法和装置，涉及信息处理技术领域，所述方法包括：通过对短文本进行数据预处理；根据依存句法关系获得文本概念特征；根据构建情感词典和词性标注对词语进行情感标注，获得文本情感特征；根据所述文本概念特征、所述文本情感特征，获得文本概念特征向量和文本情感特征向量；根据所述文本概念特征向量和所述文本情感特征向量，确定最终情感极性类别。解决了现有技术的分析方法受到语料库大小和特征提取过程的影响，导致情感分析的准确度较低的技术问题。达到了充分利用了概念特征以及文本情感特征对情感分析的有效信息，提高情感极性分类的准确度的技术效果。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于概念和文本情感的短文本情感分析方法和装置。

背景技术

文本的情感分析，又称为观点挖掘，它是一种从文本中自动提取用户意图的过程。传统的情感分析包括基于词典的分析方法和基于机器学习的方法。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术的分析方法受到语料库大小和特征提取过程的影响，导致情感分析的准确度较低的技术问题。

发明内容

本发明实施例提供了一种基于概念和文本情感的短文本情感分析方法和装置，解决了现有技术的分析方法受到语料库大小和特征提取过程的影响，导致情感分析的准确度较低的技术问题。

鉴于上述问题，提出了本申请实施例以便提供一种基于概念和文本情感的短文本情感分析方法和装置。

第一方面，本发明提供了一种基于概念和文本情感的短文本情感分析方法，所述方法包括：对短文本进行数据预处理；根据依存句法关系获得文本概念特征；根据构建情感词典和词性标注对词语进行情感标注，获得文本情感特征；根据所述文本概念特征、所述文本情感特征，获得文本概念特征向量和文本情感特征向量；根据所述文本概念特征向量和所述文本情感特征向量，确定最终情感极性类别。

优选的，所述对短文本进行数据预处理，还包括：对所述短文本进行分词处理；对所述短文本进行词性标注；对所述短文本进行依存句法分析，获得包含依存关系的二元词组。

优选的，所述根据依存句法关系获得文本概念特征，还包括：根据依存句法关系制定依赖规则；根据依存句法和依赖规则制定抽取算法抽取文本概念特征。

优选的，所述依赖规则包括：规则一：如果核心动词存在主谓关系，则抽取所述核心动词的主语；和/或，规则二：如果所述核心动词存在动宾关系，则抽取所述核心动词的宾语；和/或，规则三：如果所述核心动词的宾语词性依旧为动词，对所述核心动词和所述宾语进行合并，获得新的动词并继续寻找宾语动词的直接宾语，并抽取所述核心动词的直接宾语；和/或，规则四：如果词语中存在形容词、副词、名词修饰词，则将所述形容词、副词、名词修饰词与所述词语合并，形成新的词语；和/或，规则五：如果所述核心动词和所述词语属于并列关系，则认为所述词语也属于所述核心动词。

优选的，所述根据构建情感词典和词性标注对词语进行情感标注，获得文本情感特征，还包括：根据情感词典，获得词语情感类别；根据所述词语情感类别，获得情感标签类别表；根据所述情感标签类别表，获得文本情感特征。

优选的，所述根据所述文本概念特征、所述文本情感特征，获得文本概念特征向量和文本情感特征向量，还包括：根据Word2vec词向量学习、所述文本概念特征，获得文本概念特征向量；根据Doc2vec词向量学习、所述文本情感特征，获得文本情感特征向量。

优选的，所述根据所述文本概念特征向量和所述文本情感特征向量，确定最终情感极性类别，还包括：根据所述文本概念特征向量和所述文本情感特征向量进行特征融合，获得综合文本特征；根据所述综合文本特征，确定最终情感极性类别。