[发明专利]一种基于语料库的事件群体情感倾向度分析方法

说明书

本发明为一种基于语料库的群体情感倾向度分析方法，涉及信息处理领域。该方法基于倾向性语料库中的极性词汇对集合中每一份素材文本进行分词，统计并计算素材文本中出现的极性词汇的强度值，得到整篇素材文本的倾向度，再对集合中所有素材文本的倾向度进行统计并归一化，带入分段条件函数中进行倾向度判断，得到网络群体对该事件的情感倾向是正面的、中立的、还是负面的。该方法具有易于实现、运算速度快、效率高的特点。

技术领域

本发明涉及信息处理领域中的舆情分析技术，特别是指一种基于语料库的事件群体情感倾向度分析方法。

背景技术

开源数据是社情获取的重要手段，是对现有社会监管手段的有益补充，而舆情分析作为社情分析的一个分支，为社会管理者的决策分析提供了一种全新视角，越来越被管理部门重视，如何及时的识别社交媒体平台上各类用户群体对某一事件的情感倾向，成为网络舆情管理的重要研究课题。

群体对事件的认知倾向即广大个体对于特定事件的公众认知，事件可以来自线上传播，也可以来自媒体报道，事件传播途径多是通过互联网上的各类社交媒体软件、论坛、贴吧等。社交媒体平台上的信息传播是一种松散的网状结构，存在于社会各个阶层的网络用户是构成这个网的节点，其群体情感倾向带有更多的情绪和不理智因素。同时，群体对事件的认知倾向也不都以文字的形式，经常会使用表情符号表达自己的情感，而有时表情符号会传达出比文字更强烈的倾向性。目前比较热门的有基于机器学习的情感分析方法分析来分析舆情，该方法先由人工将已有典型数据进行标注，再将其作为标准来指导未分类数据，该方法分类准确率较高，但存在可移植性较差、标注过程需要耗费大量人力等缺陷。

发明内容

有鉴于此，本发明提出了一种基于语料库的事件群体情感倾向度分析方法。该方法基于倾向性语料库中的极性词汇对目标群体的素材集合中的每一份素材文本进行分词计算，再对所有文本进行统计并归一化计算群体倾向度，能够提升群体情感分析的速度和效率。

本发明采用的技术方案为：

一种基于语料库的事件群体情感倾向度分析方法，包括以下步骤：

步骤1，使用网络爬虫从互联网上采集一段时间内的倾向性词汇和表情符号，经过人工对词汇和表情进行分类并设置权重后，再为词汇和表情建立倒排索引，形成语料库；

步骤2，收集被分析群体针对某事件的相关文本素材，形成原始素材集合，从原始素材集合中提取倾向性词汇和表情符号，基于原始素材集合中的每一份文本生成一个情感倾向性属性向量；

步骤3，对于包含倾向性属性向量的文本素材，根据其倾向性属性向量，结合语料库中词汇和表情符号的权重值计算每篇文本素材的倾向度；

步骤4，遍历原始素材集合中的所有素材，对集合内所有素材的倾向度进行带符号累加求和，然后再做归一化处理，求出被分析群体对该事件的倾向度。

进一步地，所述步骤1包括：

步骤1-1，利用网络爬虫从社交媒体平台上收集情感性的词汇和表情符号，形成语料素材库；所述社交媒体平台包括微博、贴吧、论坛；

步骤1-2，以人工标注的方式对语料素材库中的所有词汇和表情符号的情感倾向进行分类，同时根据每个词汇或表情符号的情感强烈程度为其设置一个权重值；

步骤1-3，为了便于在语料库中检索词汇或表情符号，为库中所有经过分类并设置权重值的词汇和表情建立倒排索引。

进一步地，所述步骤2包括：

步骤2-1，以被分析群体及事件为条件，利用网络爬虫在社交媒体平台上收集相关文本素材，形成原始素材集合；所述社交媒体平台包括微博、贴吧、论坛；

步骤2-2，遍历原始素材集合中的所有文本素材，利用分词器对文本进行分词后提取含有情感倾向的词汇和表情符号；