[发明专利]一种微博短文本情感极性识别的方法、装置及存储介质

说明书

本发明提供了一种微博短文本情感极性识别的方法、装置及存储介质。该方法包括：抽取微博文本中的表情符号、重复标点符号和英文大写单词数量作为微博上下文情感特征t_c；计算每一条微博T的先验极性特征值SenScore(t)；使用深度卷积神经网络生成微博T的固定长度向量y′；基于所述微博上下文情感特征t_c、先验极性特征值SenScore(t)和固定长度向量y′确定微博短文本的情感极性。本发明解决了微博向量表示维数爆炸和数据稀疏的问题，组合了不同层次的情感特征向量表示，能够更加全面和多样的描述微博文本的情感语义特征，从而提高微博短文情感极性识别的性能。

技术领域

本发明涉及自然语言处理技术领域，特别是一种微博短文本情感极性识别的方法、装置及存储介质。

背景技术

以微博为代表的新兴社交媒体已经成为广大网络用户获取新闻资讯、社会交往、自我表达、分享观点、传播信息和社会参与的重要媒介，成为社会公共舆论、企业品牌和产品推广以及传统媒体传播的主要平台。数以亿计的活跃用户来自不同的社会文化背景，遍布全球，每时每刻都在生成大量包含用户主观意见、情感的信息。这些文本信息包含着网民各种情绪、情感色彩和观点倾向。潜在用户通过阅读这些具有主观色彩的信息来了解大众舆论对于某一事件或产品的看法。针对特定应用需求，识别、分析和挖掘微博中所包含的有价值的用户情感、态度和意见信息，是当前互联网智能信息处理、数据挖掘、计算语言学等领域的一个热点研究问题。

微博文本短小、语法结构不完整、而且表述随意和充斥噪声，使得微博文本情感极性识别面临更大的挑战。已有分类研究主要采用人工方式构建分类特征，分类特征多使用词袋模型，难以刻画词序信息并面临维数灾难和数据稀疏的问题，使得微博文本情感倾向判断速度慢，不适合对微博情况的快速分析。另外，微博文本经常出现“明褒暗贬”或隐式的表述方式，而人工构建特征的方式难以发现和描述这类隐含的语义关系。

发明内容

本发明针对上述现有技术中的缺陷，提出了如下技术方案。

一种微博短文本情感极性识别的方法，包括以下步骤：

抽取步骤，抽取微博文本中的表情符号、重复标点符号和英文大写单词数量作为微博上下文情感特征t_c；

计算步骤，计算每一条微博T的先验极性特征值SenScore(t)；

固定长度向量生成步骤，使用深度卷积神经网络生成微博T的固定长度向量y′；

识别步骤，基于所述微博上下文情感特征t_c、先验极性特征值SenScore(t)和固定长度向量y′确定微博短文本的情感极性。

更进一步地，对所述微博文本进行抽取之前还进行获取用户发表的微博文本，清洗所述微博文本，删除微博中非文本字符、超链接、数字、一般标点符号和特殊符号，并对中文微博进行分词处理。

更进一步地，所述先验极性特征值其中w_i是微博中的词或单词项，n是微博T的长度，PMI(w_i，pos)是词或单词项w_i与正向情感分类的点互信息PMI，PMI(w_i，neg)是词或单词项w_i与负向情感分类的点互信息PMI，单词w_i的情感值由情感字典获得。

更进一步地，固定长度向量生成步骤包括：

映射子步骤，使用GloVe模型，训练微博文本语料，获得词或单词的词向量表，计算获得每条微博T的分布式词向量表示t＝[w₁，w₂，...，w_n]，其中微博中的每个词或单词w都被映射为一个向量；