[发明专利]一种判定评论文本极性的方法及其应用

说明书

技术领域

本发明提供一种判定评论文本的极性的方法，具体涉及一种形容词的极性判定方法，属于计算语言学领域，该方法可以应用于网络舆情监控。

背景技术

网络舆情监测是一项重要的工作。对于网上发布的各种新闻事件所产生的影响进行分析，有助于及时正确地进行相应处理。在很多情况下，针对某个新闻事件，我们希望了解究竟是正面评价多还是负面评价多。比如，以下一则新闻（见图1，详见http://edu.sina.com.cn/gaokao/2012-06-28/1700346332.shtml）引起了网民的热烈评论。

为了获得正负面评论的比例，传统的作法是采用人工分析。比如说，根据人工阅读判断得知，对该新闻中“文史哲祸害社会”论调的态度分布分别是：66%不同意、24%同意，此外10%持中立态度。人工对评论文本进行极性分类的准确度较高，但是极为耗时，不利于大批量的文本处理。

本文提出的方法，首先对评论文本中出现的形容词进行极性判定，然后再根据判定的结果对热点新闻的评论文本进行极性判定，确定该评论文本是正面评论、负面评论还是中性评论。需要指出，本文采用的方法，完全自动完成，适合大批量文本处理。

本发明中用来判断形容词极性的方法与已有授权专利《一种词汇语义褒贬获得方法、系统及装置》（申请号：200710099802.2）在总体框架上类似。该专利和本文都采用了Turney所提出的用互信息值对单词极性判定的框架（PMI-IR）。本发明方法与该专利有三点不同：

1.已有专利中的方法用到了搜索引擎中的AND运算符，而本申请专利的方法不需要使用AND运算符。可以排除诸如“美丽但骄傲”、“悲伤和欢乐”等噪声。因为，对于AND运算符来说，这些极性相反的单词（“美丽”为正极性，“骄傲”为负极性；“悲伤”为负极性，“欢乐”为正极性）都是影响最终结果的噪声。因此本发明方法能够获得更高的准确度。

2.本方法是从语言分析的实际出发，考虑到了形容词和其它词性的差异，也说明本方法更加有针对性。

3.本申请专利选择的极性指示器为“不”和“有点”，而不需要如该专利中根据经验选择PWords（正极性范例词集合）和NWords（负极性范例词集合），这种根据经验进行的选择容易带来结果的不确定性。

发明内容

本发明的目的是提供一种新的方法，能够自动判定评论文本的极性。发明内容包括两部分：判定形容词的极性和判定评论文本的极性。其中，形容词极性的判定是评论文本极性判定的基础环节。

本发明提供的技术方案如下：

一种判定形容词极性的方法，其特征是，对于给定形容词word，判断其极性的步骤如下：

1)在搜索引擎中用精确匹配模式查找“不word”，记下返回结果数目，得到hits(“不word”)；

2)在搜索引擎中用精确匹配模式查找“有点word”，记下返回结果数目，得到hits(“有点word”)；

3)在搜索引擎中用精确匹配模式查找“不”，记下返回结果数目，得到hits(“不”)；

4)在搜索引擎中用精确匹配模式查找“有点”，记下返回结果数目，得到hits(“有点”)；

5)计算word的极性SO-PMI-IR：

6)若极性SO-PMI-IR(word)＞0，则word为正极性，否则word为负极性；

其中，hits(query)是提交查询串query到搜索引擎后返回的命中记录数，即返回结果数目。

所述的判定形容词极性的方法，其特征是，为了避免运算溢出，当出现命中记录数为零时，用0.01替换。

本发明同时提供一种判定评论文本极性的方法，其特征是，对于给定的评论文本，判定其极性的步骤如下：

a)将评论文本用汉语分词工具进行分词和词性标注；

b)根据词性标注结果，选出形容词集合；

c)用上面所述的方法对形容词集合中的单词分别进行形容词极性判定；

d)比较正极性单词的个数与负极性单词的个数：如果正极性单词的个数大于负极性单词的个数，则判定该评论文本为正面评价；如果正极性单词的个数等于负极性单词的个数，则判定该评论文本为中立评价；如果正极性单词的个数小于负极性单词的个数，则判定该评论文本为负面评价。

所述的判定评论文本极性的方法，其特征是，所述汉语分词工具为中国科学院计算技术研究所汉语词法分析系统ICTCLAS。