[发明专利]有标签高维数据的最优投影集合方法及情感文本分类方法

权利要求书

1.一种情感文本分类方法，其特征在于具体包括如下步骤：

(S1).获取需要投影的自然语言情感分类的高维数据的所有情感语义类别对；

(S2).针对步骤(S1)获取的所有情感语义类别对，计算类别对之间的类别对可分离向量空间；具体为采用如下步骤计算情感语义类别对可分离向量空间：

(A).根据需要投影的自然语言情感分类的高维数据的所有类别对，利用感知驱动的监督降维PDD方法，计算降维至一维的情感语义最优投影向量w_i，从而得到所有类别对的情感语义最优投影向量集合W＝{w₁,w₂,...,w_i,...,w_m}；

(B).采用基于超平面包围盒的类别对可分离向量空间的表达，对步骤(A)得到的情感语义最优投影向量集合进行表达，从而得到情感语义类别对可分离范围集合B_i＝{r_ij|j∈[1,n-1]}；其中r_ij为第i个类别对元素的第j维的满足阈值条件的范围；所述情感语义类别对可分离范围集合构成情感语义类别对可分离向量空间；

(S3).根据步骤(S2)得到的情感语义类别对可分离向量空间，对情感语义可分离高维空间范围求交集，从而得到情感语义可分离向量空间的交空间；具体为采用如下步骤得到情感语义可分离向量空间的交空间：

(a).初始化邻接矩阵邻接矩阵G中，对角线元素为1，剩余元素均为0；

(b).遍历步骤S2获取的类别对可分离范围集合B_i＝{r_ij|j∈[1,n-1]}：

若则步骤(a)中的邻接矩阵G中的元素G[i][j]＝1；否则G[i][j]＝0；

(c).以步骤(b)获取的上三角邻接矩阵G作为情感语义可分离向量空间的交空间：

若G[i][j]＝0，表示最优投影向量w_i和w_j所在的两个情感语义可分离空间有交空间；

否则，表示最优投影向量w_i和w_j所在的两个情感语义可分离空间无交空间；

(S4).根据步骤(S3)得到的情感语义可分离向量空间的交空间，选取情感语义可分离向量空间的交空间中的轴组成二维投影集合，从而得到最终的情感语义最优投影集合；具体为采用如下步骤获取二维投影集合：

1)将步骤(S3)得到的邻接矩阵G中的每个类别对作为一个点，类别对中的相交关系作为点与点之间的连线，构建得到图G＝{V,E}；其中V表示图中的点，E表示图中的边；

2)采用近似算法得到步骤1)中的图的最大团集合，并根据顶点数目从多到少排序，得到完全图集合C＝{c₁,c₂,...,c_i,...,c_k}，其中c_i表示包含第i多个顶点数目的完全图；

3)初始化结果集合R＝{c₁}，并从c₂开始依次遍历完全图集合C中每一个元素c_i，依次获取最大且与集合R中不重复的元素，并将获取的元素加入集合R中，得到第一结果集合R；

4)若步骤3)中得到的集合R的元素个数为奇数，则对集合R中顶点数最多的团进行顶点细分，从而使得集合R的元素个数为偶数；

5)步骤4)中得到的集合R中，以集合R的奇数轴依次作为视图集合的x轴，偶数轴依次作为视图集合的y轴，构建情感语义最优投影集合。