[发明专利]一种旅店评论文本的属性描述提取方法

权利要求书

1.一种旅店评论文本的属性描述提取方法，其特征在于，包括如下步骤：

S1、获取旅店评论文本的数据集，并利用分词工具对所述数据集中的每条评论进行预处理；

S2、根据所述预处理结果利用Word2Vec模型得到词嵌入向量，并利用向量组合方法得到评论子句的向量表示；

所述步骤S2中评论子句的向量表示s的表达式如下：

其中，s_i表示向量s的第i维度值，w_ji表示评论子句第j个词的第i维度值，k表示评论子句的文本长度，n表示向量s的维度；

S3、根据所述评论子句的向量表示计算得到评论子句间的余弦相似度；

S4、根据所述评论子句间的余弦相似度利用无参聚类方法DBSCAN对评论子句的集合进行文本聚类处理，得到相似评论簇；

S5、根据所述相似评论簇计算得到每个簇的中心特征向量，并根据所述中心特征向量得到中心评论子句；

S6、利用中文依存分析方法对每个所述中心评论子句进行依存分析，并根据依存关系规则提取中心评论子句的属性描述，从而完成对旅店评论文本属性描述的提取；

所述步骤S1包括如下步骤：

S101、获取旅店评论文本的数据集，并去除旅店评论文本数据集中每条评论的空格、HTML和特殊字符；

S102、将每条评论的长句切分成评论子句得到评论子句集合；

S103、根据所述评论子句集合，利用中文分词工具对每条评论子句进行分词处理，从而完成对每条评论的预处理；

所述步骤S4包括如下步骤：

S401、根据所述评论子句间的余弦相似度构建评论子句数据集的相似度矩阵；

S402、根据所述相似度矩阵利用无参聚类方法DBSCAN对评论子句的集合进行文本聚类处理，得到相似评论簇；

所述步骤S5包括如下步骤：

S501、根据每个所述相似评论簇中所有评论子句的每一维特征向量的平均值计算得到每个簇的中心特征向量；

S502、根据以下公式计算得到每个相似评论簇中每条评论子句s_j与所述每个簇的中心特征向量c的余弦相似度sim(s_j,c)：

其中，s_ji表示评论子句s_j的第i维度值，c_i表示中心特征向量c的第i维度值，n表示向量维度；

S503、选取所述余弦相似度中最大的评论子句作为该评论簇的中心评论子句，从而确定每个簇的中心对应的中心评论子句；

所述步骤S6包括如下步骤：

S601、利用中文依存分析方法对每个所述中心评论子句进行依存分析，得到每个中心评论子句的依存图；

S602、根据所述每个中心评论子句的依存图利用依存关系规则提取中心评论子句的属性描述，从而完成对旅店评论文本的属性描述的提取。

2.根据权利要求1所述的旅店评论文本的属性描述提取方法，其特征在于，所述步骤S501中中心特征向量c的表达式如下：

其中，c_i表示中心特征向量c的第i维度值，|C|表示对应簇C包含的评论子句数量，s_ji表示簇中评论子句s_j第i维度值，n表示向量维度。