[发明专利]一种情感词与评价对象的关系识别方法

说明书

技术领域

本发明涉及自然语言处理技术领域及模式识别领域，特别是一种情感词与评价对象的关系识别方法。 

背景技术

21世纪以来，随着互联网的飞速发展，人们越来越多地在网络上表达自己的观点与情感，这类文本往往以商品评论、论坛评论、博客的形式存在，并且大部分文本能很好的反映人们的看法和意见。而通过人工的方法来分析这些海量文本中的情感信息需要耗费大量的时间，人力和物力，在这种背景下，情感分析技术应运而生，并在自然语言处理研究领域得到了广大研究者的关注，具有很大的应用价值。 

所谓文本情感分析，就是对说话人的态度（或称观点、情感）进行分析，也就是对文本中的主观性信息进行分析。情感分析的研究已经开展多年，研究的主要任务集中在情感分类子任务上面。但是随着应用问题的迫切需要，词语级别或者短语级别等细粒度的情感信息抽取和分析技术开始渐渐受到广大研究者的关注。例如，在以下的几个具体应用中需要细粒度的情感信息：a）观点问答：关于评价对象实体的一些问题，如“用户喜欢产品X的哪个方面？”；b）推荐系统：系统要清楚推荐那些在某个具体方面获得良好评价的实体；c）意见摘要：对关于实体X的Y方面的所有正面/负面的观点做一个综述，并对它们进行相应地分割。上述任务的共同点是系统必须能够识别单个句子所包含的观点是具体评价哪一个对象的，针对这个对象的观点是褒义的还是贬义的，即需要知道“评价对象”是什么，及相对应的极性。因此，在构建一个具体的应用系统中，除了需要知道文本表达的情感极性外，还需要对文本情感表达的其他相关信息进行了解和分析。 

目前，情感信息抽取任务的研究主要集中于以下三个方面：观点持有者（Opinion Holder）、评价词语（Polarity Word）和评价对象（Opinion Target）。观点持有者的抽取主要面向新闻文本，识别对象是观点/评论的隶属者。关于观点持有者的抽取方法主要是基于非监督的启发式规则，大致有以下几个方面：a）基于命名实体识别的抽取方法：b）基于语义角色标注的抽取方法。评价词语即情感词，指带有情感色彩的词语，在情感信息抽取中起着非常重要的作用。评价词语的抽取方法主要分为基于语料库和词典两种。评价对象抽取是抽取评论文本中情感表达所面向的对象，该任务是情感信息抽取任务研究最为广泛的一项任务，相继出现了大量的抽取方法大致可以分为两个部分：基于非监督和监督学习的抽取方法。其中情感词和评价对象的关系识别也是情感信息抽取中的一个基本问题。 

发明内容

有鉴于此，本发明的目的在于提出一种情感词与评价对象的关系识别方法，此方法能够抽取句子中的情感词及评价对象，并且识别两者间是否存在对应关系。 

根据该发明目的提出的一种情感词与评价对象的关系识别方法，包括： 

a)制作语料：抽取一段中文文本作为语料，进行分词处理和词性标注，获得每个词的词性，在分词后的中文文本中人工标注出句子中对应的情感词和评价对象； 

b)训练条件随机场模型：将上述标注好的语料分成三个部分，选取其中第一部分语料作为训练集，训练得到一个条件随机场模型； 

c)抽取情感词和评价对象：使用所述条件随机场模型，分别抽取第二部分语料和第三部分语料中的情感词和评价对象，得到结果文件S1和S2； 

d)构成情感词和评价对象候选组：将所述S1和S2中每个句子里抽取出的情感词和评价对象两两组合，构成情感词-评价对象候选组，将情感词与评价对象的关系识别建模为二元分类问题； 

e)训练最大熵分类器：抽取所述S1中情感词-评价对象候选组的特征构造作为训练集训练得到一个最大熵分类器； 

f)测试最大熵分类器：使用所述S2中的情感词和评价对象对上述最大熵分类器进行测试； 

g)实际应用：使用所述的条件随机场模型抽取待目标中文文本中的情感词和评价对象，使用所述的最大熵分类器对抽取的情感词和评价对象进行判断，即识别出所述的情感词和评价对象的关系。 

优选的，所述步骤a)中采用斯坦福句法分析器来实现对语料的分词和词性标注。 

优选的，所述步骤b)使用所述训练集训练一个条件随机场模型时，该训练集通过在第一部分语料中，选用词特征和词性特征为抽取特征，处理成训练语料的格式。 

优选的，所述步骤c)中使用条件随机场模型，抽取第二部分语料和第三部分语料中的情感词和评价对象时，先要将所述第二部分语料和第三部分语料按照词特征和词性特征处理成训练语料的格式。