[发明专利]针对产品评论信息的细粒度情感分析系统及方法

说明书

本发明公布了一种针对产品评论信息的细粒度化情感分析系统及方法。该系统包括：用户接口，产品评论信息训练样本数据库，情感词典等相关词典加载模块，文本预处理模块，特征抽取模块，特征抽取模块，情感分析模型训练模块，情感倾向性判断模块，反馈模块。用户可以通过该系统存储和管理各种已标注的产品评论信息训练样本，并对之进行分句、分词、词性标注和句法分析等处理。用户还可以添加自定义情感词典对处理好的本文信息进行特征抽取和向量化，训练情感分析模型，利用情感分析模型对向量化的文本信息进行情感倾向性判断。系统将情感分析结果反馈给用户，支持用户对分析结果进行修正和保存。

技术领域

本发明涉及中文文本情感分析领域，特别涉及一种针对产品评论信息的实体级别细粒度情感分析系统及方法。

背景技术

产品评论信息通常是指用户或者消费者就某一产品或者该产品的某一属性所发表的评价或者意见。这些评论信息往往带有较强的主观情感色彩，体现了用户对于产品或其某一属性的主观感受。

一方面随着Web2.0的蓬勃发展，互联网用户由被动地接收互联网信息向主动创造互联网信息转变；另一方面电商的迅速发展改变着人们的购物习惯，开始由线下转为线上，网络购物的普及带来的是这类产品评论信息的迅速膨胀，这些海量信息无论是对于商家设计改进产品还是消费者做出购物选择都有巨大价值，然而仅靠人工的方法难以应对海量信息的处理。因此迫切需要自动的情感识别技术。情感识别技术的主要任务是对文本信息是否具有情感色彩以及情感色彩的倾向性即正面或负面做出判断。

目前已有情感分析系统及技术从分析的粒度上看主要集中于篇章级别以及句子级别的情感分析，而极少数的实体级别的情感分析技术将实体识别和情感分析分为两个独立的任务来进行。从分析的对象来看目前的系统及技术要针对新闻、微博等评论信息，关注于社会舆情的分析。

目前已有的篇章级别及句子级别情感分析技术主要有：西北工业大学的申请号为CN200910219161.9、发明名称为“基于混合模型的WEB文本情感主题识别方法”的专利；中国科学院计算技术研究所的申请号为CN200910083522.1、发明名称为“文本情感倾向性分析方法”的专利申请；中国科学院自动化研究所的申请号为CN201210088366.X、发明名称为“一种面向微博短文本的情感分析方法”的专利申请；富士通株式会社的申请号为CN201010157784.0、发明名称为“情感倾向性分析方法和装置”的专利申请。

上述情感分析技术主要包括训练和情感判断两个步骤，下面以为西北工业大学的“基于混合模型的WEB文本情感主题识别方法”为例介绍其在训练和情感判断的主要步骤，其余相关技术基本类似。该方法主要包括以下几个步骤：1、对训练集中的文本进行手工标注，估计出两类情感模型：“褒义”模型和“贬义”模型；同时根据不同主题文本的语言表达方式，分别估计各类主题语言模型；2、采用最大似然估计(MLE)方法对于步骤1建立的情感模型和主题模型分别进行参数估计；3、对于待处理的文本，计算其语言模型与两类情感模型的距离，从而对文本的情感倾向性以及主题进行判断。

目前的情感倾向性技术主要集中于篇章级别以及句子级别，实体级别的情感倾向性技术仍十分少，该类技术目前只有北京大学的申请号为CN200910086542.4、专利名称为“一种基于新闻评论网页的情感倾向性分析系统”的专利申请。下面介绍该项技术的基本流程：1、输入新闻网页集合和情感分析规则；2、从新闻评论网页中提取有效实体，并建立实体层次关系图；3、在实体层次关系图中定位参考实体，建立由情感关系树组成的实体情感关系图；4、获取新闻评论网页中的中间实体，并输出中间实体的情感分析数据；5、判断中间实体是否存在于实体情感关系图和情感关系树中，根据判断结果采取相应策略输出情感判断结果。