[发明专利]基于词向量和句法特征的评论分析方法及可视化交互界面

权利要求书

1.一种基于词向量和句法特征的评论分析方法，其特征在于，包括以下步骤：

1)获取电商网站商品页面评论数据；

2)将获取的目标数据集进行预处理，并构建候选情感词集；

3)提取Hownet和NTU提供的褒贬词集组成基础情感词典；

4)将所得到的经过预处理的数据集合通过Word2Vec工具进行词向量训练，得到词向量并生成语义相似度矩阵，步骤4)具体包括：

4-1)利用Word2Vec训练数据集，得到词语的词向量；

4-2)结合候选情感词集，采用如下公式计算词语之间的语义相似度：

4-3)例如两个n维词向量a(x₁₁,x₁₂,…,x_1n)和b(x₂₁,x₂₂,…,x_2n),其语义相似度计算公式如下：

其中，cosθ表示语义相似度值；x_1k表示词向量a第k维度数值；x_2k表示词向量b第k维度数值；

4-4)根据计算出的语义相似度构建语义相似度矩阵；

5)使用语义相似度矩阵建立概率转移矩阵，并结合种子词集通过LPA标签传播算法且经过基础情感词典检验后生成最终的情感词典，步骤5)具体包括：

5-1)将每个词看作图的节点，两个节点间边的权重用其所代表词之间的语义相似度表示；

5-2)根据如下公式建立概率转移矩阵P：

其中，P[i][j]表示词语i到j之间的相似度转移概率，SIM(w_i,w_j)表示词语i和j的相似度，m表示与词语i语义相似度最高的词的个数；

5-3)统计候选情感词集中所有情感词在原始评论数据中的词频，筛选出词频最高的N个词，组成种子词集1；利用情感词汇本体库，筛选出情感词汇本体强度m且在候选情感词集中的词，组成种子词集2；将种子词集1和种子词集2合并后去重，组成种子词集，进行人工情感标注；

5-4)利用人工标注的少量种子词建立LxC的label矩阵Y_L，其中：L表示种子词个数；C表示类的个数，分为3类，分别为褒义，贬义，中性；

5-5)同时利用未标注的样本词建立UxC的label矩阵Y_U，其中：U表示未标注样本词个数；C表示类的个数，分为3类，分别为褒义，贬义，中性；

5-6)最后采用LPA标签传播算法对所述样本词进行词性标注，并通过基础情感词典检验后，形成最终的情感词典；

6)将获取的商品评论文本，进行基于核心句规则的处理，得到去除冗余的评论文本；

7)将所得到的去除冗余的文本进行预处理，对得到的分词数据集合基于依存关系、句法特征形成依存关系树，生成SBV、VOB、ATT、CMP、COO依存关系对；

8)对所得依存关系对通过词性提取商品属性，否定词，程度词，情感词评价搭配对；

9)将所得评价搭配对结合情感词典，对评价对象进行褒贬值计算、优劣排序，最终通过可视化交互界面实现。

2.根据权利要求1所述的基于词向量和句法特征的评论分析方法，其特征在于，步骤2)具体包括：

2-1)使用字符匹配算法去除非法字符；

2-2)将原始数据集使用LTP进行分词、词性标注；

2-3)提取符合词性的词，经过去重，组成候选情感词集1；

2-4)将原始数据集使用NLPIR进行分词、词性标注；

2-5)提取符合词性的词，经过去重，组成候选情感词集2；

2-6)将候选情感词集1和候选情感词集2组合，经过去重，得到候选情感词集。

3.根据权利要求1所述的基于词向量和句法特征的评论分析方法，其特征在于，步骤3)具体包括：利用hownet情感词典和ntu评价词词典，分别提取其中的褒贬词，合并后去重，组成基础情感词典。