[发明专利]基于情感词扩充的短文本情感分类方法在审
| 申请号： | 201810234391.1 | 申请日： | 2018-03-21 |
| 公开（公告）号： | CN108376133A | 公开（公告）日： | 2018-08-07 |
| 发明（设计）人： | 罗森林;李东超;潘丽敏;毛焱颖 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 短文本 情感特征 情感词 词语 情感分类 词向量 特征集 分词 加权 情感倾向性分析 信息科学技术 情感倾向性 语义相似度 预处理结果 语义 传统特征 词性标注 句子集合 评论文本 情感词典 弱分类器 特征降维 特征向量 统计特征 维基百科 有效解决 准确率 评论 词性 低维 降维 算法 稀疏 语料 登录 计算机 分类 改进 | ||
【权利要求书】：
1.基于情感词扩充的短文本情感分类方法，其特征在于所述方法包括如下步骤：
步骤1，将评论文本切分成句子集合，利用jieba分词工具进行分词和词性标注，得到预处理结果；
步骤2，针对每一条短文本评论，用维基百科语料训练Glove获得每个词语的词向量，利用词向量计算其他词语与词性为N、V、Adj和Adv的初始情感特征的语义相似度，将语义相近的词扩充至初始情感特征集；
步骤3，提出DF-TF-MI，利用词语间统计特征改进传统特征降维方法进行特征降维，得到低维的特征集；
步骤4，情感特征加权；
步骤5，将得到的特征向量通过由弱分类器加权组成的RADA算法进行情感倾向性分类。
2.根据权利要求1所述的基于情感词扩充的短文本情感分类方法，其特征在于：步骤2中利用向量空间中的余弦相似度表示词语语义上的相似度，通过词向量计算评论中其他词语与NVAA中每个特征的语义相似度，然后根据语义相似度选择相似的词语添加到NVAA特征中。
3.根据权利要求1所述的基于情感词扩充的短文本情感分类方法，其特征在于：步骤3中提出DF-TF-MI，利用词语间的统计特征进行特征降维，。
4.根据权利要求1所述的基于情感词扩充的短文本情感分类方法，其特征在于：步骤4中利用tf*KL算法进行情感特征加权，其中tf是情感词特征在文档中的重要程度，KL是情感词特征在表达情感上的重要性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810234391.1/1.html，转载请声明来源钻瓜专利网。
