[发明专利]一种基于支持向量机的情感分类系统及方法

摘要

本发明涉及舆情分析技术，其公开了一种基于支持向量机的情感分类系统及方法，以供快速、准确从用户评论信息中发现舆情。本发明利用爬虫模块获取用户发表在论坛的评论信息，通过对数据进行分词等预处理，得到评论文本的特征词组以及具有典型性的训练数据，随后对训练数据进行情感标注，并利用支持向量机对训练数据进行计算，得到分类模型，依据分类模型，对待分类的评价文本进行分析，得到预计的情感状态，最后利用可视化模块，展示分类结果，帮助用户快速了解基于不同实体对象(关键字)的用户情感，并进而了解互联网舆情，适用于网站、论坛的舆情分析。

主权项

1.一种基于支持向量机的情感分类系统，其特征在于，包括：数据采集及预处理模块，负责利用网络爬虫进行数据爬取，获取用户所发表的评论信息，并对评论信息进行预处理；特征词及训练样本生成模块，负责以经过预处理的评论文本作为输入，基于FindCover算法选取词性为名词、动词和形容词的高频词语作为特征词，并加入特征辞典；选取包含特征词的评价文本作为训练样本，并对训练样本的情感进行人工标注；SVM分类模块，负责以特征辞典为基础，对训练样本提取特征向量，输入支持向量机生成分类模型；利用分类模型对待分类的评价文本的情感值进行计算，分析文本的情感取向；可视化模块，负责将分析结果在web端进行展现；所述基于FindCover算法选取词性为名词、动词和形容词的高频词语作为特征词，具体方法为：确定FindCover算法的输入：分词并标注词性的评价文本集合U、特征词个数n、特征词长度L、词性集合P；确定FindCover算法的输出：特征词组S；选取过程包括：步骤1、初始化集合S，A；集合A为评价文本集合U的子集，专门用于存放S中的特征词word所对应的文本id；步骤2、计算映射关系Map M，将每个词语word映射到一组包含该word的文本id：M(word)；步骤3、当集合S未包含n个词语时，则寻找词语word，使其满足三个条件：(i)词性满足P的要求；(ii)长度满足L的要求；(iii)当前的覆盖率coverage＝|M(word)‑A|最大；步骤4、如果寻找到的word的覆盖率coverage＝0,则终止循环，否则，将word加入S，将M(word)加入A，返回步骤3继续循环，直至集合S包含n个词语或寻找到的word的覆盖率coverage＝0；步骤5、返回集合S作为特征词组。