[发明专利]一种数据挖掘方法

摘要

本发明公开了一种数据挖掘方法，包括首先对语料库中的每篇文档，产生文档‑主题分布，然后对于每个主题产生主题‑情感分布，对文档中每个句子，通过多项式分布和伯努利分布确定其主题和情感；最后，对每个句子中的单词进行全局和局部特征词及观点词的区分，同时对句子进行情感极性分析，获取全局观点词和每个主题中观点词的情感极性，并通过逆向云发生器得到对应的高斯云期望曲线，并生成基于主题的特征词‑观点词摘要。本发明的数据挖掘方法能够有效提高观点挖掘的精确度。

主权项

一种数据挖掘方法，其特征在于，在预定假设下对观点进行挖掘，所述预定假设包括：(1)一个句子中的单词拥有相同的主题和情感；(2)句子的情感划分为五类：负向，弱负向，中立，弱正向，正向，分别对应情感数值为1‑5；所述观点挖掘包括：S1：对于给定的语料库，执行如下操作：S101：产生单词分布φ～Dir(β)，背景词：φB，全局特征词：φA,g，全局观点词：{φo,g,s}，局部观点词：{φo,t,s}，其中，A是特征词，B是背景词，O是观点词，s表示情感，取值{1,2,3,4,5}；t＝1,2,3，…T，T为文档中主题的个数；S102：产生单词类型分布ρ～Beta(η)；S2：对于语料库中的每一篇文档d，执行如下操作：S201：产生文档的主题分布θd～Dir(α)；S202：对文档中的每个主题z，产生情感分布πd,z～Beta(γ)；S3：对于文档d中的每个句子m，执行如下操作：S301：从多项式分布Multinomial(θd)中选择主题zd,m；S302：对给定的主题zd,m，从多项式分布Multinomial(πd,z)中选择情感sd,m,z；S4：对句子m中的每个单词n，执行如下操作：S401：基于预定假设从句子中产生每个单词wd,m,n的主题zd,m和情感sd,m,z；S402：从关于{0,1}的二项式分布Binomial(ρ)中选择单词类型ud,m,n；S403：从参数为xd,m,n关于{0，2}的多项式分布中选择单词类型分布yd,m,n；S404：基于下述公式(1)产生每个单词wd,m,n：wd,m,n~Multi(φB),if(yd,m,n=0)Multi(φA,t,s),if(yd,m,n=1,ud,m,n=0)Multi(φA,g),if(yd,m,n=1,ud,m,n=1)Multi(φO,t,s),if(yd,m,n=2,ud,m,n=0)Multi(φO,g,s),if(yd,m,n=2,ud,m,n=1)---(1)]]>其中，参数xd,m,n通过下述公式(2)得到：P(yd,m,n=l|fd,m,n)=xd,m,n=exp(λ1·fd,m,n)Σ1′2exp(λ1′·fd,m,n)---(2)]]>其中，fd,m,n词wd,m,n的特征向量，λ1为fd,m,n所对应的权值，λl′是特征函数f′d,m,n所对应的权值，l的取值为{0,1,2}；S5：根据步骤S4的结果得到全局特征词、观点词和局部特征词、观点词以及背景词列表，并得到观点词对应的情感数值；S6：建立情感云模型，用建立的情感云模型将步骤S5中得到的结果样本化，得到云模型的三个数字特征；S7：利用情感修正算法进行修正，得到细粒度的主题‑情感摘要。