[发明专利]一种基于点评数据的语义词典构建方法

摘要

本发明涉及一种基于点评数据的语义词典构建方法，其步骤包括：1)通过少量点评数据构建种子语义词典；2)对点评数据进行分词；3)逐词判定点评数据的语义类并用语义类标签进行替换；4)根据各语义类的名称及各语义类包含的具体词语生成模版；5)将模版应用到语义类标签替换后的点评数据中，以抽取各语义类的语义词；6)根据模版的重要性、推广性和准确性对各模版进行打分；7)选取得分最高的部分模版，计算各模版抽取的语义词的得分，进而选取得分最高的部分语义词对语义词典进行扩充；8)步骤3)～7)迭代进行，终止后得到最终的语义词典及模版库。本发明可以在较短时间内得到较大规模的语义词典，并可以同时抽取多个语义类。

主权项

1.一种基于点评数据的语义词典构建方法，其特征在于，包括如下步骤：1)获取点评数据，通过少量点评数据获得各个语义类的词，构建种子语义词典；2)对点评数据的句子进行分词处理；3)对分词后的点评数据，逐词判定其语义类并用语义类标签进行替换；4)对标签替换后的点评数据进行断句，根据各语义类的名称及各语义类包含的具体词语生成模版；5)将模版应用到语义类标签替换后的点评数据中，以抽取各语义类的语义词；6)根据模版的重要性、推广性和准确性，对各模版进行打分；7)选取得分最高的部分模版，根据选取的模版及其打分计算各模版抽取的语义词的得分，进而选取得分最高的部分语义词对语义词典进行扩充；8)步骤3)至步骤7)迭代进行，直到挑选出来的语义词不正确时迭代终止，得到最终的语义词典，并由各模版构成模版库，其中，步骤6)对各模版进行打分的方法是：a)对模版重要性和推广性打分S(pat_i)的计算公式如下：其中，|pat_i|是模版pat_i的长度，以词数计算，f(pat_i)表示模版pati的频次，C(pat_i)表示嵌套pat_i的模版集合；b)对模版准确性打分P(pat_i)的计算公式如下：其中，T(pat_i)表示模版pat_i抽取的语义词集合，f(t)表示语义词t的频次，SemLex为种子语义词典；c)采用加权的方式融合步骤a)、b)得到的两方面的打分。