[发明专利]情感数据分类方法和系统

权利要求书

1.一种情感数据分类方法，所述方法包括：

构造训练数据集对应的文档-文档图和词-词图，所述文档-文档图中，节点表示所述训练数据集中的文档，边的几何信息表示文档之间的相关度，所述词-词图中，节点表示所述训练数据集中的词，边的几何信息表示词之间的相关度；

构造所述训练数据集对应的文档-情感矩阵和词-情感矩阵；

获取所述文档-文档图的拉普拉斯矩阵和所述词-词图的拉普拉斯矩阵；

根据所述训练数据集对应的文档-情感矩阵和所述文档-文档图的拉普拉斯矩阵构造目标函数中基于文档-文档图的正则化项，以及根据所述训练数据集对应的词-情感矩阵和所述词-词图的拉普拉斯矩阵构造所述目标函数中基于词-词图的正则化项；

对所述目标函数进行优化处理，输出文档-情感矩阵；

获取测试数据集中的文档，根据所述文档-情感矩阵获取与所述测试数据集中的文档对应的情感倾向。

2.根据权利要求1所述的方法，其特征在于，所述文档-文档图的相关度矩阵定义为：如果两个文档，其中任何一个文档为另外一个文档的最近邻居，则这两个文档的相关度为这两个文档之间的余弦，否则相关度为0；

所述词-词图的相关度矩阵定义为：如果两个词，其中任何一个词为另外一个词的最近邻居，则这两个词的相关度为这两个词之间的余弦，否则相关度为0。

3.根据权利要求1所述的方法，其特征在于，所述基于文档-文档图的正则化项为预设的文档空间的控制参数与第一踪迹的乘积，所述基于词-词图的正则化项为预设的词空间的控制参数与第二踪迹的乘积；

所述基于图的正则化项为预设的文档空间的控制参数与第一踪迹的乘积和预设的词空间的控制参数与第二踪迹的乘积之和；

其中，所述第一踪迹为将所述文档-情感矩阵、文档-情感矩阵的转置矩阵、文档-文档图的拉普拉斯矩阵相乘得到的矩阵的踪迹，所述第二踪迹为将所述词-情感矩阵、词-情感矩阵的转置矩阵、词-词图的拉普拉斯矩阵相乘得到的矩阵的踪迹。

4.根据权利要求1所述的方法，其特征在于，所述对目标函数进行优化处理，输出文档-情感矩阵的步骤，包括：

按照预设次数进行迭代运算，不断更新文档-情感矩阵、词-情感矩阵和文档情感矩阵与词-情感矩阵之间的关联矩阵，根据更新的文档-情感矩阵、词-情感那矩阵和所述关联矩阵单调减少所述目标函数直到收敛，输出使得所述目标函数最小化的文档-情感矩阵。

5.根据权利要求1所述的方法，其特征在于，所述根据所述文档-情感矩阵获取与所述测试数据集中的文档对应的情感倾向的步骤为：

对于所述测试数据集中的一个文档，获取该文档在所述文档-情感矩阵中所处的行，获取所述行中对应的取最大值的情感倾向作为所述文档对应的情感倾向。

6.一种情感数据分类系统，其特征在于，所述系统包括：

图构造模块，用于构造训练数据集对应的文档-文档图和词-词图，所述文档-文档图中，节点表示所述训练数据集中的文档，边的几何信息表示文档之间的相关度，所述词-词图中，节点表示所述训练数据集中的词，边的几何信息表示词之间的相关度；

正则化项构造模块，用于构造所述训练数据集对应的文档-情感矩阵和词-情感矩阵；获取所述文档-文档图的拉普拉斯矩阵和所述词-词图的拉普拉斯矩阵；根据所述训练数据集对应的文档-情感矩阵和所述文档-文档图的拉普拉斯矩阵构造目标函数中基于文档-文档图的正则化项，以及根据所述训练数据集对应的词-情感矩阵和所述词-词图的拉普拉斯矩阵构造所述目标函数中基于词-词图的正则化项；

优化处理模块，用于对所述目标函数进行优化处理，输出文档-情感矩阵；

情感倾向确定模块，用于获取测试数据集中的文档，根据所述文档-情感矩阵获取与所述测试数据集中的文档对应的情感倾向。

7.根据权利要求6所述的系统，其特征在于，所述文档-文档图的相关度矩阵定义为：如果两个文档，其中任何一个文档为另外一个文档的最近邻居，则这两个文档的相关度为这两个文档之间的余弦，否则相关度为0；

所述词-词图的相关度矩阵定义为：如果两个词，其中任何一个词为另外一个词的最近邻居，则这两个词的相关度为这两个词之间的余弦，否则相关度为0。