[发明专利]一种基于自然语言句法分析树的机器学习情感分析器

摘要

本发明公开了一种基于自然语言句法分析树的机器学习情感分析器，包括句法分析模块和机器学习模块，句法分析模块包括CRF模型分析器、LALR语法分析器、特征分析器和语法树生产器，其中，特征分析器还包括词性分析模块、语法成分分析模块和词法依赖分析模块，机器学习模块包括机器学习模型和机器学习情感结果融合模块。

主权项

1.一种基于自然语言句法分析树的机器学习情感分析器，分析器包括句法分析模块和机器学习模块，句法分析模块包括CRF模型分析器、LALR语法分析器、特征分析器和语法树生产器，其中，CRF模型分析器用于语法树的学习，LALR语法分析器用于对语法进行词法分析，特征分析器还包括词性分析模块、语法成分分析模块和词法依赖分析模块，分别对词性，语法成分和词法依赖三个部分进行分析，机器学习模块包括机器学习模型和机器学习情感结果融合模块，其特征在于，分析器的分析过程包括以下分析步骤：A1,接受用户的自然语言文本输入；A2,对自然语言文本进行基于CRF(Conditional random fields，条件随机场)和LALR(Look‑AheadLR)语法分析范式的句法分析，得到句子的句法分析树,句法分析树以树的方式展现句子的语法结构，并且包含了各词汇的词性,同时，还会生成句子中词汇之间的依赖关系，此依赖关系包含了句子词汇之间的逻辑性；A3,针对目标文字，使用words‑bag的方法构架文字的特征向量维度集合,该集合包含了目标文字中的所有词汇和步骤A2中所生成的所有依赖关系对；A4,获取了步骤A3中的特征向量维度集合之后，对每一个维度计算其值,根据生成的句法分析树，获取每个词汇在句中的语法功能，并根据其功能获得一个值x；A5,根据分析出的每个词汇的词性特征，根据规则赋予每个词汇一个值y；A6,根据步骤A4和步骤A5的结果，将x+y设为每个特征向量维度上此词汇或语法结构组合的值；A7,根据已知情感结果的自然文本集合，通过支持向量机SVM、朴素贝叶斯、以及随机森林的机器学习算法构建出分类器模型M；A8,使用步骤A7中的模型M对步骤A6中生成的特征向量进行分析，得到最后的情感分析分类结果。