[发明专利]基于主体模型的网上评论情感分类方法

权利要求书

1.基于主体模型的网上评论情感分类方法，其特征在于包括如下步骤：

步骤(1)提取网站的评论，具体是：分析某门户网站以及某购物网站网页源代码，利用正则表达式获取评论栏，记录该评论属于哪一类别，并按照每类每条评论一个文本文件存储；

步骤(2)使用中文分词包对评论进行分词，具体是：选定中文分词包以及分词方法，选定要求是尽可能的保持原文的语义环境，这里使用的是最大粒度细分的方法；

步骤(3)去除人称代词、助词、数字、字母以及标点符号；

步骤(4)选定各个模型参数以及需要进行分类的情感数，具体是：

4-1、选定模型的超参数α，γ，将其设置为1；

4-2、设定模型参数T，即主题的数目；

4-3、设置另外一个超参数β，β设置为T/50；

4-4、设置情感数S，要分类的情感有两种，即正面和负面，所以S为2；

步骤(5)建立模型，具体是：本模型在主题模型的基础上加入了情感因素的考量；按照自然语言的表达习惯，假设一句话只表达一个情感值，故对句子进行情感标签采样，建立文档-句子-情感关系；同样的，每句话也只表达一个主题，对句子进行主题采样，建立文档-句子-主题关系；

步骤(6)将步骤(5)中建立的模型应用于评论的情感分类，具体是：

根据预处理的网上评论，也就是文档生成过程的最终结果—-主题情感词，逆向工程，求出在文档生成过程中发挥重要作用的三个概率分布变量，主题分布θ，情感分布П和主题-情感词分布Ψ，然后根据情感分布П来判断每篇文档的情感值；

使用Gibbs sampling算法来估计分布变量θ，Ψ，П，马卡洛夫链的每次转移中，第i个句子的情感标签和主题标签是根据以下的条件概率来抽取的：

P ( z i = t , s i = j | S - i , Z - i , W ) ∝ C o u n t ( s , t ) - i + α C o u n t ( s ) - i + T α Γ ( C o u n t ( s , t ) + β ) Γ ( C o u n t ( s , t ) + V β + m i ) Π w = 1 V Γ ( C o u n t ( s , t ) + β + m i ) Γ ( C o u n t ( s , t ) + β ) C o u n t ( d , s ) + γ C o u n t ( d ) + S γ ; ]]>

其中Count(s,t)表示情感标签为s，主题标签为t的句子数，下标i表示去除当前句子的计数；z表示主题值，w表示文档中的词；Count(d,s)表示文档d中情感标签为s的句子数；Count(d)为文档的总数量，mi则表示该句子单词数；那么三个参数θ、π、ψ的近似估计如下：

θ s t = C o u n t ( s , t ) + α C o u n t ( s ) + T α π d s = C o u n t ( s , d ) + γ C o u n t ( d ) + S γ ψ w s t = C o u n t ( w , s , t ) + β C o u n t ( s , t ) + V β ; ]]>

其中θ为文档的主题分布、π为文档的情感分布、ψ为词的分布；Count(s)为情感标签为s的词的总数，Count(s,d)为文档d中情感标签为s的词的总数，Count(w,s,t)为情感标签为s，主题标签为t的词的总数；T为主题总数，S为情感数，V为文档的单词集大小；

将评论数据导入模型进行计算，获取模型输出的П分布，它所代表的是每篇文档属于对应S种情感的概率，根据公式：

S d = arg m a x s { π d s | s ∈ [ 1 , ... , S ] } ; ]]>

其中Sd表示文档d对应的情感，Пds表示文档d属于情感s的概率值，argmax表示在众多情感s中，选取概率值Пds最大者，选择概率最大的情感值，即为模型判断文档d所属的情感值。