[发明专利]将词典知识合并入SVM学习以改进情感分类

说明书

技术领域

本申请目的在于自动的分类，并且更特别地目的在于自动的情感 分类，其中情感分类被理解为是特定类型的文本分类，其用作分类信 息(诸如以文本的形式)的意见或情感，当其涉及特定的论题或主题 时。

背景技术

两种典型的用于情感分析的方法是词典查找和机器学习。词典查 找方法通常从正面的和负面的单词的词典开始。例如，“漂亮的”被 确认为正面的单词并且“丑陋的”被确认为负面的单词。文本的总的 情感由一组单词的情感和在所述文本中出现的表达确定。

综合性的情感词典可以提供简单然而有效的用于情感分析的解 决方案，因为其是普通的并且不需要预先的训练。因此，已经花费关 注和努力用于构建这样的词典。然而，对该方法的重大的挑战是：许 多单词的极性依赖于领域和上下文。例如，“长”在“长的电池寿命” 中是正面的并且在“长的快门迟滞”中是负面的。当前的情感词典不 捕获情感表达的这样的领域和上下文敏感性。它们排除这样的领域和 上下文依赖的情感表达或者基于从某个语料库(corpus)(诸如通过 因特网而被访问的万维网)收集的统计资料而用总的极性趋势标记它 们。虽然排除这样的表达导致差的覆盖范围，用极性趋势简单地标记 它们导致差的精度。

由于这些限制，机器学习方法已经正在情感分析的领域中得到日 益增加的普及。诸如使用支持向量机(SVM)的那些机器学习方法不 依靠情感词典以确定单词和表达的极性，并且可以自动地学习一些在 训练数据中示出的上下文相关性。例如，如果“长的电池寿命”和“长 的快门迟滞”在所述训练数据中分别被标记为正面的和负面的，学习 算法可以学会：当其与短语“电池寿命”相关联时“长”是正面的， 而当与短语‘快门迟滞’相关联时其是负面的。

然而，这样的方法的成功严重地依赖所述训练数据。对于情感分 析的任务，由于自然语言的丰富，数据不足是不能被容易地解决的固 有问题。特别地，人们倾向于使用不同的表达来表示相同的情感，并 且也倾向于在相同的句子或文件中不重复他们的情感。因此，收集足 够表示人们如何对于各种主题表达情感的训练数据是非常困难的。与 一些其它文本分类任务相比，该数据不足问题已经导致了对情感分类 的相对低的准确度。

因此，尽管最近的研究已经显示对于情感分析的任务，机器学习 方法通常优于所述词典查找方法，忽视由情感词典提供的优势和知识 可能不是最优的。

然而，少数研究已经致力于将这两种方法相结合以改进情感分 类。一些已经探索使用通用情感词典以改进短语的上下文极性的识 别。一些其它最近的研究已显示：将通用情感词典合并到机器学习算 法中可以改进在文件级别上的情感分类的准确度。在所有这些工作 中，通用情感词典包含具有独立于上下文/领域的极性的单词。本情感 分类器系统和方法不同于这些以前的方法。

发明内容

用于内容的情感分类的情感分类器。方面分类器被配置为将内容 分类为与信息的特定方面相关，所述方面分类器合并所述领域特定情 感词典的至少一部分。极性分类器随后被配置为将由所述方面分类器 分类的内容分类为具有下列之一：信息的特定方面的正面的情感、信 息的特定方面的负面的情感，或者将其分类为不具有关于信息的特定 方面的情感。所述极性分类器也合并所述领域特定情感词典的至少一 部分。

附图说明

图1示出了具有两个子词典的名称词典，包括主题子词典和情感 子词典；

图2示出了根据本申请的呈现语料库过滤的方法的流程图；

图3示出了显示用于使用语言模式进行网络(web)搜索和过滤 的处理的流程图；

图4是显示由图3的方法识别的一些噪声单词的图；

图5是示出了将极性提供给领域特定词典的单词和/或短语的方 法的流程图；

图6提供了示出具有方面分类器和极性分类器的情感分类器的 框图；

图7是描绘了图6的所述情感分类器的操作的流程图；

图8是显示了属于类的点之间的距离的例图；

图9描绘了在领域特定词典的创建的过程期间本申请的系统；

图10描绘了在当所述情感分类器正在被训练时的过程期间的本 系统的结构；以及

图11描绘了当所述情感分类器正在工作时本系统的结构。

具体实施方式