[发明专利]一种基于微博群环境的微博多模态情感分析方法

摘要

本发明公开了一种基于微博群环境的微博多模态情感分析方法，其特征是按如下步骤进行：1、获取微博数据；2、提取所述微博文本内容和所述评论内容的第一模态文本特征；3、提取所述评论内容的第二模态特征；4、将所述第一模态文本特征和第二模态特征进行结合获得最终特征向量；5、对微博数据进行情感标记处理并获得多模态情感训练模型；6、预测待测试微博文本内容的情感状态。本发明能够进一步结合微博评论内容对微博文本内容进行特征提取，从而提高微博情感状态判断的准确度。

主权项

1.一种基于微博群环境的微博多模态情感分析方法，所述微博群环境是由微博用户和微博用户好友构成，其特征是，所述微博多模态情感分析方法按如下步骤进行：步骤1：获取微博数据：步骤1.1：获取所述微博用户的账号ID；步骤1.2：根据所述微博用户的账号ID，调用微博的第三方API应用接口获得所述微博数据；所述微博数据包括微博文本内容、所述微博文本内容的评论内容、所述微博文本内容的评论数目和微博评论者；步骤2：提取所述微博文本内容和所述评论内容的第一模态文本特征：步骤2.1：对所述微博文本内容和所述评论内容分别进行分词和词性标注处理获得预处理后的文本内容和预处理后的评论内容；步骤2.2：利用情感词典获得所述预处理后的文本内容和预处理后的评论内容中的情感词以及所述情感词对应的情感值；步骤2.3：对所述预处理后的文本内容和预处理后的评论内容构建语法树并获得所述情感词的修饰成分；步骤2.4：根据所述情感词的修饰成分调整所述情感词的情感值获得所述情感词的最终情感值；步骤2.5：将所述情感词和所述情感词的最终情感值作为第一模态文本特征并用文本特征向量表示；步骤3：提取所述评论内容的第二模态特征：步骤3.1：根据所述微博文本内容的评论数目绘制微博群环境图；步骤3.2：利用所述微博群环境图获取所述微博用户与所述微博评论者对所述评论内容的第二模态特征并用微博群环境向量表示；步骤4：将所述第一模态文本特征和第二模态特征进行结合获得最终特征向量：步骤4.1：利用式(1)获得矩阵向量tsv→=Σi=1rtfi→×svi→---(1)]]>式(1)中，r表示所述微博文本内容的评论数目，i∈[1,r]，表示第i条评论内容的第一模态文本特征，表示第i条评论内容的第二模态特征；步骤4.2：利用式(2)获得单位矩阵向量e→1|tsv→|×tsv→---(2)]]>式(2)中，表示矩阵向量的模值；步骤4.3：将所述微博文本内容用文本特征向量表示，将所述微博文本内容与所述单位矩阵向量进行线性组合获得最终特征向量，利用所述最终特征向量表征所述微博文本内容；步骤5：对微博数据进行情感标记处理并获得多模态情感训练模型步骤5.1：标记所述微博文本内容和所述评论内容的情感状态，所述情感状态分为积极、中性和消极；步骤5.2：利用所述最终特征向量以及所述最终特征向量所对应的微博文本内容的情感状态以及作为输入值，利用模糊支持向量机进行训练获得多模态情感训练模型；步骤6：预测待测试微博文本内容的情感状态：步骤6.1：根据所述步骤1至步骤4获得所述待测试微博文本的最终特征向量；步骤6.2：将所述待测试微博文本的最终特征向量作为所述多模态情感训练模型的输入值预测所述待测试微博文本的情感状态。