[发明专利]一种多维情感倾向性分析方法

说明书

本发明涉及一种多维情感倾向性分析方法，包括下列步骤：(1)构建颜文字词典；(2)提取颜文字特征并计算多维情感倾向值；(3)计算文本与Emoji组合部分的多维情感倾向值；(4)计算网络评论语句多维情感倾向值：对于网络评论语句的情感倾向,综合考虑文本、Emoji组合部分以及颜文字两部分，并对步骤(3)和(4)得到的两部分的情感倾向值加权处理后得到网络评论语句的多情感情感概率。

技术领域

本发明涉及一种面向网络评论融合表情符号与短文本的多维情感倾向性分析方法。

背景技术

社交网络的情感行为分析在产品评论、舆情监控、信息预测等多个领域都有着重要作用。在电子商务领域，情感分析可为用户提供产品的历史情感评价摘要，方便用户快速了解产品评价信息。在舆情监控领域，由于人们都有了网络话语权，各类涉及到国计民生的话题和观点都可以随时发布，虚拟的社交网络和真实的社会互动对社会的直接影响越来越大，直接影响国家安全与社会稳定。对网络中人们情感行为进行检测分析，对维护国家稳定、促进社会发展将具有重要作用。

早期的一些方法采用了基于规则和基于机器学习的方法仅对短文本进行情感分析，目前有些工作将文本与Emoji结合进行情感分类，而颜文字作为重要的表情符号在越来越多的媒体评论中被使用到，中文社交网络中情感分析对于颜文字几乎全部采用滤除处理，因此造成情感特征缺失，无法准确判断使用到的颜文字对社交网络评论情感的影响。

发明内容

本发明旨在克服现有技术上的不足，提出一种针对社交网络评论融合表情符号与短文本的多维情感倾向性分析方法，丰富用户的个体人格结构，利于建立用户属性、行为、情感动态性变化等信息，提高社交网络群体情感细粒度分析准确性，从而为在舆情分析、社交推理、谣言检测、隐私保护等方面提供支持。为了达到上述目的，本发明采用如下的技术方案：

一种多维情感倾向性分析方法，包括下列步骤：

(1)构建颜文字词典

构建颜文字词典，每种情感标签均包含一系列颜文字，且每个颜文字只属于一种情感标签，根据人体运动学理论确定颜文字中的字符所对应的身体或面部表情，明确颜文字情感标签，忽略无法推断出不具有明显情感倾向的颜文字，并通过正则表达式提取颜文字。

(2)提取颜文字特征并计算多维情感倾向值

通过构建的颜文字词典提取颜文字的长度、ASCⅡ字符比例、不同类型字符的数量、出现次数最多的字符数量作为结构特征；颜文字中所有字符情感类别概率之和作为类别特征以及颜文字中各元素情感类别概率作为运动学特征，将提取的颜文字特征构建特征向量并作为神经网络的输入得到情感标签的得分向量，进一步得出颜文字的多维情感分类概率，并将此概率作为情感倾向值；

(3)计算文本与Emoji组合部分的多维情感倾向值

把文本与Emoji的词向量拼接为组合向量，通过基于注意力的深度学习模型分别提取局部与全局特征，并通过特征融合提高该部分的语义表达能力，融合特征作为另一个神经网络的输入，出该部分的多维情感倾向值；

(4)计算网络评论语句多维情感倾向值

对于网络评论语句的情感倾向,综合考虑文本、Emoji组合部分以及颜文字两部分，并对步骤(3)和(4)得到的两部分的情感倾向值加权处理后得到网络评论语句的多情感情感概率。

具体实施方式

本发明的技术方案是：

(1)在日语颜文字词典基础上构建中文颜文字词典，构建时需要明确颜文字情感标签，并根据人体运动学理论确定颜文字中的字符所对应的身体或面部表情，忽略无法推断出不具有明显情感倾向的颜文字，通过正则表达式提取颜文字，其次对日式颜文字中的解释语言进行截断处理。

(2)计算颜文字多维情感倾向