[发明专利]对单词情感值进行自动标定的方法

权利要求书

1.一种对单词情感值进行自动标定的方法，其特征在于，具体按照以下步骤进行：

步骤1，训练出词库中所有单词的词向量，通过人工标记的方法初始化少量单词，记作种子单词v_j，其余单词为待标定单词v_i；被初始化的种子单词v_j的情绪值为val_vj、激励值为aro_vj；

步骤2，利用word2vec工具计算每个种子单词v_j和每个待标定单词v_i的词向量之间的余弦夹角值，得到每个种子单词v_j和每个待标定单词v_i之间的相似度；

步骤3，以种子单词v_j和待标定单词v_i作为节点，以种子单词v_j和待标定单词v_i之间的相似度作为连边权重，构建权重图模型；

步骤4，预测待标定单词v_i的情绪值val_vi和激励值aro_vi。

2.根据权利要求1所述的一种对单词情感值进行自动标定的方法，其特征在于，所述步骤4中，预测待标定单词v_i的情绪值val_vi，通过式(3)进行不断迭代更新至收敛：

其中，α是衰变因子或置信水平，取值在0-1之间，随机数取值在1-9之间，Sim(v_i,v_j)代表待标定单词v_i和种子单词v_j之间的相似度，val_vj代表被初始化的种子单词的情绪值，t代表迭代的步数，代表第t步迭代待标定单词的情绪值，代表第t-1步迭代待标定单词的情绪值。

3.根据权利要求1所述的一种对单词情感值进行自动标定的方法，其特征在于，所述步骤4中，预测待标定单词的激励值aro_vi的方法，通过式(4)进行不断迭代更新至收敛：

其中，α是衰变因子或置信水平，取值在0-1之间；随机数取值在1-9之间，Sim(v_i,v_j)代表待标定单词v_i和种子单词v_j之间的相似度，aro_vj代表被初始化的种子单词的激励值，t代表迭代的步数，代表第t步迭代待标定单词的激励值，代表第t-1步迭代待标定单词的激励值。

4.根据权利要求1所述的一种对单词情感值进行自动标定的方法，其特征在于，所述步骤4中，预测待标定单词v_i的情绪值val_vi和激励值aro_vi采用矩阵运算方法，具体为：将所有待标定单词、种子单词的情绪值用向量V表示，将所有待标定单词、种子单词的激励值用向量A表示，设所有待标定单词和种子单词之间的相似度构成邻接矩阵S，

S=Sim(v1,v1)...Sim(v1,vj)...Sim(v1,vN)...............Sim(vi,v1)...Sim(vi,vj)...Sim(vi,vN)...............Sim(vN,v1)...Sim(vN,vj)...Sim(vN,vN);]]>

其中，Sim(v_i，v_j)表示待标定单词v_i和种子单词v_j之间的相似度，1≤i＜N，1≤j＜N；

设定向量I＝(1,1^T,，1,向.量..D,＝(1d₁,)d₂,...,d_N)^T，其中，α是衰变因子或置信水平，取值在0-1之间；假设向量X＝(x₁,x₂,...,x_N)^T，向量Y＝(y₁,y₂,...,y_N)^T，则函数运算M(X,Y)＝(x₁×y₁,x₂×y₂,...,x_N×y_N)^T，函数运算U(X,Y)＝(x₁/y₁,x₂/y₂,...,x_N/y_N)^T；

利用式(5)计算第t步迭代包含种子单词和待标定单词在内所有词汇的情绪值向量V_t和激励值向量A_t；

V_t＝M[(I-D)^T，V_t-₁]+M[D^T，U(SV_t-1，S×I)]，

A_t＝M[(I-D)^T，A_t-₁]+M[D^T，U(SA_t-1，S×)](5)

其中，V_t-1代表第t-1步迭代包含种子单词v_j和待标定单词v_i在内所有词汇的情绪值向量，A_t-1代表第t-1步迭代包含种子单词v_j和待标定单词v_i在内所有词汇的激励值向量；

待多次迭代收敛后，待标定单词v_i的情绪值val_vi为情绪值向量V_t的第i维相应数值；待标定单词v_i的激励值aro_vi为激励值向量A_t的第i维相应数值。