[发明专利]一种面向豆瓣网电影评论的情感分析方法

说明书

本发明涉及一种面向豆瓣网电影评论的情感分析方法，主要对豆瓣网上中文的电影评论进行情感分析，首先对豆瓣网上的电影评论进行数据爬取操作，然后对这些数据进行预处理操作，包括删除停用词、分词和词性标注；其次构造用于电影评论情感分析所需的四类词典，四类词典分别为基础情感词典、否定词词典、程度副词词典和电影评论领域的情感词典；接着利用设计的情感计算方法对电影评论进行情感计算判断情感极性；然后利用用户评分这个弱标注信息对评论进行情感极性判断；若通过情感计算得到的评论情感极性与弱标注信息判断出的评论情感极性一致，则该条电影评论的情感极性即可得出，若两者不一致，则根据情感计算来判断电影评论的情感极性。

技术领域

本发明属于自然语言处理中的文本情感分析技术领域，具体是一种面向豆瓣网电影评论的情感分析方法。

背景技术

豆瓣网作为一个普遍的电影社交媒体评论平台，承载了海量的信息。每部电影出来之后，广大网友都会在豆瓣网上发表评论，这些海量的主观评论文本数据中包含着丰富的情感信息，如何对这些情感信息进行情感极性分析是一件非常有意义的事情。

现有的技术中，针对文本的情感分析主要采用两种方法，一种是采用基于机器学习的方法，但需要选择合适的特征训练模型，从而实现文本的情感极性判断；另一种是采用基于情感词典的方法，通过设计合理的情感计算算法来计算文本的情感权值，从而实现文本的情感极性判断。

例如，现有的专利文献(申请号：201611062208.1)公布了一种民航安保舆情情感分析方法，该发明主要是利用情感词典和规则的方法对民航领域的微博文本进行情感分析，以此来过滤出对民航安全有威胁的微博；专利文献(申请号：201610475678.4)提供了一种基于社交网络数据的情感分析方法，该发明主要是利用机器学习的方法，采用线性支持向量机模型对在训练集上提取的情感分类特征进行训练，确定获得情感分析分类器；确定采用情感分析分类器对预测集中的情感分类特征进行分析，确定预测出用户在社交网络平台上发布的目标数据的情感倾向。

然而，上述两种方法都有不足之处，首先基于机器学习的方法需要大量的人工去标注数据集，并且不适合处理电影评论这种细粒度文本；基于情感词典的方法虽适合处理细粒度文本，但是囊括的情感词有限。因此为了充分获得用户评论的情感信息，本发明采用基于情感词典和弱标注的方法对豆瓣网电影评论进行情感分析，更好的将电影评论情感分为正向和负向。该发明的应用将在预测电影票房领域具有十分重要的意义。

发明内容

本发明的目的是提供一种面向豆瓣网电影评论的情感分析方法；该方法专门对豆瓣网上细粒度的中文评论进行情感分析，它利用情感词典和豆瓣网上的弱标注信息对评论进行情感分类。该方法具有无需人工标注数据集、精准计算评论情感权值、情感权值和弱标注信息共同判断评论情感极性和提高电影评论情感分析准确率的优点。

本发明实现发明目的采用如下技术方案：

一种面向豆瓣网电影评论的情感分析方法，其特征在于，包括以下步骤：

(1)首先对豆瓣网上的电影评论进行数据爬取操作，然后对这些数据进行预处理操作，包括删除停用词、分词和词性标注；

(2)构造用于电影评论情感分析所需的四类词典，四类词典分别为基础情感词典、否定词词典、程度副词词典和电影评论领域的情感词典；

(3)根据上述步骤(2)构造的情感词典，将单条电影评论经分词后得到的词语与情感词典进行扫描和匹配，得到若干情感词；当匹配到情感词时，进一步将修饰情感词的否定词、程度副词与否定词词典、程度副词词典进行扫描和匹配；根据四类词典，计算情感词的情感权值、否定词的权值和程度副词的权重倍数，然后对情感词的情感权值、否定词的权值和程度副词的权重倍数进行情感计算得到单条电影评论的情感权值；若情感权值大于或等于0，则该条电影评论情感极性为正向；若情感权值小于0，则该条电影评论情感极性为负向；