[发明专利]一种同时针对多个命名实体的精准情感信息提取方法

说明书

本发明提供一种同时针对多个命名实体的精准情感信息提取方法，涉及自然语言处理技术领域。该方法首先对实体识别的语料库进行BIO标注，作为训练数据，对语料库中的字进行词向量化处理；搭建BiLSTM‑CRF实体识别模型及建立实体数据库，实现对测试文本进行命名实体的提取；对测试文本进行分析，得到分词结果、词性标注结果及句法分析树；根据分词结果和句法分析树，将测试文本转为图结构，并对边的权值进行修正；计算文本中所有词到该实体的距离，并且按照距离进行相关度排序；根据词性对情感词结果进行筛选，得到与特定实体相关的情感词。本发明提供同时针对多个命名实体的精准情感信息提取方法，能够准确的实现针对特定实体的、细粒度的情感信息提取。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种同时针对多个命名实体的精准情感信息提取方法。

背景技术

随着互联网的发展，网络上出现了大量用户参与的，对于诸如人物、事件和产品等有价值的评论信息，一方面，这些具有主观色彩的评论反映了大众舆论对某一事件或产品的看法，具有社会和商业价值；另一方面，海量信息分析不可能依靠人工完成，如果从文本中挖掘用户情感信息成为一个重要的问题。

情感分析可以在多个粒度上进行，包括文档级、语句级和实体级。所谓实体，是人名、地名、机构名以及其他所有以名称为标识的实体。

针对实体进行情感分析，首先需要对文本中的实体指称进行识别，这一问题称为命名实体识别(Name Entity Recognition，NER)。命名实体识别常用的方法有：基于规则和词典的方法、基于统计的方法和两者结合的方法；随着一些公开知识库的发展，也出现了利用知识库中已有的知名实体进行识别的方法。

现有的很多应用场景需要实体级别的细粒度情感分析，而很多文本中涉及对多个实体的情感表述，因此针对特定实体的情感信息提取成为关键。提取出来的情感信息，一方面可以直接应用到情感分类系统中，另一方面可以作为实体的某种语义表示，针对具体业务需求进行后续处理。

现有的系统大多是在句子级别上进行情感分析，而没有将情感特征与句子中出现的实体关联起来；实际应用场景中搜集的互联网数据的噪音很多，粗粒度情感分析方法的错误率更高。最近也出现了一些针对实体进行的情感词提取方法，但很多采用的是比较简单的距离算法，没有从语义理解的层面进行深层的分析。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种同时针对多个命名实体的精准情感信息提取方法，完成了实体级别上的细粒度情感信息提取。

为解决上述技术问题，本发明所采取的技术方案是：一种同时针对多个命名实体的精准情感信息提取方法，采用基于双向LSTM模型的实体识别算法，针对识别出的实体进行句法分析，从文本中抽取出与该实体相关的、具有情感倾向性的词语，以进行针对特定实体的精准情感分析；

具体包括以下步骤：

步骤1、对实体识别的语料库进行BIO标注，并作为训练数据；

步骤2、对语料库中的字进行ID序号标注，从而实现对字进行词向量化的处理；

步骤3、搭建基于双向LSTM模型的BiLSTM-CRF实体识别模型，并使用训练数据对模型进行训练，保存训练完成的模型；

步骤4、针对需要对多个命名实体进行精准情感信息提取的业务，建立实体数据库，作为对标注语料的补充；

步骤5、对测试文本进行预处理，利用训练好的BiLSTM-CRF实体识别模型和实体数据库对测试文本进行命名实体的提取；

步骤6、对测试文本进行分词、词性标注和句法分析，分别得到分词结果、词性标注结果及句法分析树；

步骤7、根据步骤6得到的分词结果和句法分析树，将测试文本转为图结构进行表示，为情感词和实体提供一种关联度的度量方法；