[发明专利]基于情感分析技术的学生评教文本分析方法

摘要

本发明公开了一种基于情感分析技术的学生评教文本分析方法，包括：1、对学生评教文本进行断句，得到多个短句；建立期望词集；2、建立评教语料集合，并对集合中的每条评教语料标注情感极性类别；评教语料集合和类别标注构成训练样本；采用构建的训练样本训练snowNLP分类器；3、对断句后的每一个短句进行情感极性分类，分为积极情感和消极情感两类；4、分别对分类为积极和消极的短句进行词性标注、去停用词处理、抽取观点词；将抽取出的观点词按照在原短句中出现的顺序排序，得到观点短句；5、对观点短句进行聚类，得到分析结果。该方法通过对学生评教文本进行分析处理，能够解决建议性意见语句分类错误的缺陷。

主权项

1.基于情感分析技术的学生评教文本分析方法，其特征在于，包括步骤：(1)对学生评教文本进行断句，得到多个短句；建立期望词集；(2)建立评教语料集合，并对集合中的每条评教语料标注情感极性类别，所述情感极性类别包括积极和消极两类；评教语料集合和类别标注构成训练样本；采用构建的训练样本训练snowNLP分类器；(3)对断句后的每一个短句进行情感极性分类，分为积极情感和消极情感两类；所述情感极性分类包括步骤：(3.1)对短句分词，找出情感词、程度副词以及否定词；检测分词后的结果是否包括期望词集中的词，如果包括，分类结果为消极；如果不包括期望词集中的词，检测是否获取到情感词；(3.2)如果获取到情感词，根据情感词典，计算获取到的每个情感词的得分；如果获取到的所有情感词得分均大于0，分类结果为积极；如果获取到的所有情感词得分均小于0，分类结果为消极；(3.3)如果没有获取到情感词，或者获取到的情感词中既有得分大于0的词也有得分小于0的词，采用训练好的snowNLP分类器对待分类短句进行情感极性分类；(4)分别对分类为积极和消极的短句进行词性标注、去停用词处理、抽取观点词；将抽取出的观点词按照在原短句中出现的顺序排序，得到观点短句；(5)对观点短句进行聚类，得到分析结果。