[发明专利]基于主体模型的网上评论情感分类方法

摘要

本发明涉及一种基于主体模型的网上评论情感分类方法。本发明首先提取网站的评论。其次使用中文分词包对评论进行分词，去除人称代词、助词、数字、字母以及标点符号。然后选定各个模型参数以及需要进行分类的情感数，并进行建立模型。最后将建立的模型应用于评论的情感分类，根据情感分布来判断每篇文档的情感值。本发明代替了人力来进行评论的情感分类，解放了双手，并且效率更高，更快。

主权项

1.基于主体模型的网上评论情感分类方法，其特征在于包括如下步骤：步骤(1)提取网站的评论，具体是：分析某门户网站以及某购物网站网页源代码，利用正则表达式获取评论栏，记录该评论属于哪一类别，并按照每类每条评论一个文本文件存储；步骤(2)使用中文分词包对评论进行分词，具体是：选定中文分词包以及分词方法，选定要求是尽可能的保持原文的语义环境，这里使用的是最大粒度细分的方法；步骤(3)去除人称代词、助词、数字、字母以及标点符号；步骤(4)选定各个模型参数以及需要进行分类的情感数，具体是：4-1、选定模型的超参数α，γ，将其设置为1；4-2、设定模型参数T，即主题的数目；4-3、设置另外一个超参数β，β设置为T/50；4-4、设置情感数S，要分类的情感有两种，即正面和负面，所以S为2；步骤(5)建立模型，具体是：本模型在主题模型的基础上加入了情感因素的考量；按照自然语言的表达习惯，假设一句话只表达一个情感值，故对句子进行情感标签采样，建立文档-句子-情感关系；同样的，每句话也只表达一个主题，对句子进行主题采样，建立文档-句子-主题关系；步骤(6)将步骤(5)中建立的模型应用于评论的情感分类，具体是：根据预处理的网上评论，也就是文档生成过程的最终结果—-主题情感词，逆向工程，求出在文档生成过程中发挥重要作用的三个概率分布变量，主题分布θ，情感分布П和主题-情感词分布Ψ，然后根据情感分布П来判断每篇文档的情感值；使用Gibbs sampling算法来估计分布变量θ，Ψ，П，马卡洛夫链的每次转移中，第i个句子的情感标签和主题标签是根据以下的条件概率来抽取的： P ( z i = t , s i = j | S - i , Z - i , W ) &Proportional; C o u n t ( s , t ) - i + &alpha; C o u n t ( s ) - i + T &alpha; &Gamma; ( C o u n t ( s , t ) + &beta; ) &Gamma; ( C o u n t ( s , t ) + V &beta; + m i ) &Pi; w = 1 V &Gamma; ( C o u n t ( s , t ) + &beta; + m i ) &Gamma; ( C o u n t ( s , <