[发明专利]基于机器学习的城市绿地情绪影响因子甄别与调控方法

权利要求书

1.城市绿地情绪影响因子甄别与调控方法，其特征在于，方法包括以下步骤：

对城市绿地空间在线评论文档数据进行预处理，并建立在线评论文档语料库；

使用LDA潜在狄利克雷分布模型，对在线评论文档语料库进行分析，从而获得潜在情绪影响因子类型及其在每条评论文档中的权重；

通过构建情绪评分模型对预处理后的评论数据进行情绪分级及极性判定；

根据情绪影响因子权重和构建情绪极性的二元逻辑回归模型，计算情绪影响因子效力，根据情绪影响因子在相应语料库的出现频率计算情绪影响因子影响广度；

依据得到的情绪影响因子效力将情绪影响因子分为多个级别，依据得到的情绪影响因子影响广度将情绪影响因子分为多个级别，并根据每类情绪影响因子效力和情绪影响因子影响广度的程度制订区域内城市绿地的总体设计调控策略和具体单个城市绿地的优化改造策略。

2.根据权利要求1所述的城市绿地情绪影响因子甄别与调控方法，其特征在于，所述建立在线评论文档语料库的过程包括对城市绿地空间用户在线评论数据进行抓取采集，并对数据进行清洗，数据清洗后完成在线评论文档语料库建立。

3.根据权利要求1所述的城市绿地情绪影响因子甄别与调控方法，其特征在于，所述对在线评论文档语料库进行分析的过程包括：

LDA模型通过超参数集K，α，β进行构建，其中K代表LDA模型预选主题数量，α代表LDA模型中多项式文档-主题分布的先验参数，β代表LDA模型中多项式主题-词汇分布的先验参数，且K∈(1，Kmax),Kmax代表可数无穷个正整数主题数；参数α的取值范围∈(0，1]；参数β范围∈(0，1]；再计算每一组输入的K，α，β所构建的LDA模型对应的主题一致性，利用主题一致性值和“肘部法则”选取主题数量，即：预选主题测试中一致性值最高的超参数集对应的值作为LDA模型的主题数量，则主题即为城市绿地中的潜在情绪影响因子；

根据确定的主题数量，将在线评论文档语料库中的数据输入LDA模型，输出单个主题内属于该主题的词PW＝(pw1,pw2,……pwn)，概率值ProbPw＝(prw1,prw2,……prwn)以及单条评论文档样本的主题分布PT＝(pt1,pt2,……ptn)，概率值ProbPT＝(prt1,prt2,……prtn)；

结合输出的各条评论文档样本的主题分布PT、概率值ProbPT及各主题命名，得出各条评论文档中潜在情绪影响因子构成及权重。

4.根据权利要求1所述的城市绿地情绪影响因子甄别与调控方法，其特征在于，所述构建情绪评分模型的过程包括：

基于用户在线评论文档数据，从在线评论文档语料库中随机抽取一定数量的评论文档，由两位专业人员分别基于情绪感知和词语解析两种方法展开情绪分档注释，通过情绪感知分档和词语解析分档两种方法相互校验获得稳定的情绪分档规则，建立训练语料数据库；

随机抽取每个情绪类的语料数据库的数据n条，将一部分数据作为训练数据，另一部分数据作为测试数据；

使用一种具备对自然语言处理能力的预设算法，采用SnowNLP算法，构建初步情绪评分模型：

在SnowNLP算法的基础上构建5档语料库的学习模式，利用SnowNLP内置贝叶斯算法，得到语句与1、2、3、4、5档分别的F1、F2、F3、F4、F5，通过设计函数公式将分档结果F转化为高精度分数S，实现从分类到定量的转化，修改完预设模型，将构建完成的情绪评分模型训练语料数据库中的5档语料作为样本对模型进行训练，使得预设模型的评分规则符合语料库分档规律，完成情绪评分模型构建。