[发明专利]一种弹幕文本中情感词的分类方法、装置及存储介质

说明书

本发明公开了一种弹幕文本中情感词的分类方法及装置，包括以下步骤：对Python爬取到的弹幕数据进行预处理，判断待分类弹幕数据中是否包含情感词，若不包含则直接利用GRU分类器进行分类得到分类结果；若包含情感词，则构造弹幕文本领域的多维弹幕情感词典，并在所述多维弹幕情感词典基础上，构造文本情感计算分类器；采用模型融合的集成学习策略构造弹幕情感分类模型；将测试集数据输入到弹幕情感分类模型中，得到弹幕的情感分类结果。本发明扩展了情感词典，利用GRU、朴素贝叶斯和七维情感计算分类方法作为基分类器，根据各个基分类器得到的结果进行投票融合输出最终情感分类结果，解决弹幕短文本情感词分类问题。

技术领域

本发明属于网络舆情领域，具体涉及一种弹幕文本中情感词的分类方法、装置及存储介质。

背景技术

近些年，随着互联网的不断发展，弹幕视频网站开始流行起来。越来越多的青少年习惯于在观看该类型视频的同时发送弹幕来表达自己的观点。而在弹幕视频这种带有社交因素的环境中，一旦出现舆情或热点事件视频，将会迅速传播，造成巨大影响。弹幕发送者大多为涉世未深的青少年，很容易被其中故意引战的弹幕带偏，这些消极以及引战弹幕很容易对他们产生不利的影响，有碍于青少年身心健康的发展。因此，如果不加以管控，这种恶意的，消极的弹幕将会对青少年造成较为严重的负面影响，甚至会有一些不法分子输出恶意观点，散播恶意谣言，严重破坏了网络空间的和谐以及危害青少年的的心理健康。

弹幕这种短文本分类主要分为两种方法：基于机器学习的方法和基于情感词典的方法。基于情感词典的方法计算较为方便，无需对数据进行标注，但是该方法的问题是依赖情感词典的质量，特别是弹幕这种需要有专门的领域词典来进行适配，并且目前针对弹幕并没有一种有效的情感计算方法。而基于机器学习的方法则不需要特定领域词典，只需要进行特征提取处理，进而送入分类模型进行训练以及调优。但缺点是需要人工标注数据类别，且语义表达存在一定的局限性。

现如今网络上涌现出了大量的流行词语，随着这些词的不断出现，传统的情感词典已经不能满足这种带有这种新兴词汇的句子的后续分析，特别是弹幕这种带有专有弹幕热词的句子。常用颜表情，口语化，符号化是弹幕文本最鲜明的特点之一，且颜表情是一种较为强烈的情感体现，而传统情感词典则选择忽略掉这些符号表情，这在弹幕文本分析的过程中会造成大量的信息流失。因此，需要一种包含了网络热词和弹幕新型情感词，还包含有常用颜表情和颜符号，在词语方面和非常规词语方面进行有效的扩充。

发明内容

本发明提供了一种弹幕文本中情感词的分类方法及装置，在现有的情感词典中加入网络热词、弹幕新型情感词、常用颜表情和颜符号得到多维弹幕情感词典，利用GRU、朴素贝叶斯和七维情感计算分类方法作为基分类器对弹幕短文本进行分类，解决弹幕短文本的情感分类问题。

本发明的技术方案如下：

现有技术中，对于弹幕文本情感词的分类方法中，传统的情感词典对于新兴的流行词没有办法进行分类，因此需要结合当今网络上的网络热词和弹幕新型情感词，从不同维度对弹幕进行描述，重新构建情感词典和情感分类模型，对弹幕中的情感词进行有效的分类，本发明一种弹幕文本中情感词的分类方法，包括：

步骤S1、对Python爬取到的弹幕数据进行预处理，得到待分类弹幕数据；

步骤S2、判断待分类弹幕数据中是否包含情感词；

步骤S3、若步骤S2的判定结果为:不包含,则利用GRU分类器对待分类弹幕数据进行分类得到分类结果；

步骤S4、若步骤S2的判定结果为:包含,则利用构建的弹幕情感分类模型对待分类弹幕数据进行分类得到情感分类结果；

所述弹幕情感分类模型的构建和分类过程为:

步骤A、先构造弹幕文本领域的七维弹幕情感词典，并在所述七维弹幕情感词典基础上，构造文本情感计算分类器计算弹幕数据中的情感词的情感总值；