[发明专利]一种基于细粒度情感词典的心理预警模型构建方法

摘要

本发明公开了一种基于细粒度情感词典的心理预警模型构建方法，该方法包括：步骤(1)、利用翻译的方法得到ANEW词典对应的中文词典；步骤(2)、词汇筛选，删除步骤(1)得到的中文词典中不适用于情感分析的词汇；步骤(3)、进行情感值的归一化处理，将词语的情感值归一化到‑1～1之间，步骤(4)、基于同义词林扩展版进行情感词典的扩充；步骤(5)、基于改进的SO‑PMI算法进行词典的扩充；步骤(6)、对于微博文本进行基于规则的情感倾向性分析；步骤(7)、执行基于权重因子的情感分析算法。与现有技术相比，本发明不受语料数量的限制，可以实现完全无监督的执行，非常适合微博大量且无标记的数据。

主权项

1.一种基于细粒度情感词典的心理预警模型构建方法，其特征在于，该方法以下步骤：步骤(1)、利用翻译的方法得到ANEW词典对应的中文词典；步骤(2)、词汇筛选，删除步骤(1)得到的中文词典中不适用于情感分析的词汇；步骤(3)、进行情感值的归一化处理，将词语的情感值归一化到‑1～1之间，归一化公式表示为：其中，Avevalue表示情感强度的平均值，Maxvalue表示情感词所在类别的强度最大值，Minvalue表示情感词所在类别强度的最小值，X表示改词的情感强度，Y表示归一化后的情感强度；步骤(4)、基于同义词林扩展版进行情感词典的扩充，过滤掉语料库中出现频率极低的词汇，构建出更高效的情感词典；采用哈工大同义词词林的词汇相似度算法，并结合已有的语义词典进行计算词汇语义相似度；步骤(5)、基于改进的SO‑PMI算法进行词典的扩充，具体处理如下：依据下式：SO(word)＝max(W_i(word))w_ij其中，其中，γ是调解系数，w_ij表示第i类情感类别中第j个基准词，W_i(word)表示新词word在与第i类情感词的SO‑PMI值；对于新词word在不同类中计算得到的SO‑PMI值，选择其中具有最大的SO‑PMI的新词word；步骤(6)、对于微博文本进行基于规则的情感倾向性分析，包括分词处理、对文本抽取规则进行扩充、将极性词进行转移、对程度副词进行处理、对于否定词+程度副词+情感词的结构和程度副词+否定词+情感词的结构进行分析处理，赋予不同的权重；步骤(7)、执行基于权重因子的情感分析算法，该算法公式表示为：其中，SO(S)是语句S的情感倾向值(Sentiment Orientation)，W_ij代表第i个属于情感类别j的情感词W的情感值，C_i是指修饰该情感词的权重因子，α为调解系数。