[发明专利]一种细粒度的评价信息挖掘方法及系统

权利要求书

1.一种细粒度的评价信息挖掘方法，其特征在于，包括：

获取初始评价对象种子集和初始评价词种子集；

以所述初始评价对象种子集和所述初始评价词种子集作为基础，从评价语句中确定新评价对象和新评价词；

将所述新评价对象和所述新评价词添加到所述初始评价对象种子集和所述初始评价词种子集，得到目标评价对象种子集和目标评价词种子集；

从所述目标评价对象种子集和所述目标评价词种子集提取所述评价语句对应的评价信息，所述评论信息包括：评价对象和评价词，所述评价词为对所述评价对象进行评价的观点信息。

2.根据权利要求1所述的细粒度的评价信息挖掘方法，其特征在于，所述以所述初始评价对象种子集和所述初始评价词种子集作为基础，从所述评价语句中确定新评价对象和新评价词，包括：

以所述初始评价对象种子集和所述初始评价词种子集作为基础，根据半监督迭代法从所述评价语句中确定新评价对象和新评价词。

3.根据权利要求2所述的细粒度的评价信息挖掘方法，其特征在于，所述以所述初始评价对象种子集和所述初始评价词种子集作为基础，根据半监督迭代法从所述评价语句中确定新评价对象和新评价词，包括：

根据依存句法分析法对所述评价语句提取句法依存结构；

以所述初始评价对象种子集和所述初始评价词种子集作为基础，获取所述初始评价对象种子集中初始评价对象的平均出现频次以及所述初始评价词种子集中初始评价词的平均出现频次；

选取所述初始评价对象种子集中出现频次大于所述初始评价对象的平均出现频次的名词作为候选评价对象集中的候选评价对象；

选取所述初始评价词种子集中出现频次大于所述初始评价词的平均出现频次的形容词作为候选评价词集中的候选评价词；

以所述候选评价词集为基础，利用所述候选评价词集中的候选评价词确定新评价词；

以所述候选评价对象集为基础，利用所述候选评价对象集中的候选评价对象确定新评价对象。

4.根据权利要求3所述的细粒度的评价信息挖掘方法，其特征在于，所述利用所述候选评价词集中的候选评价词确定新评价词，包括：

构建所述候选评价词集中的候选评价词与所述初始评价对象种子集的每个初始评价对象的关系矩阵，生成评价词无向加权图；

对所述初始评价对象种子集的每个初始评价对象进行初始权重值加权；

在所述评价词无向加权图中进行迭代传播，确定所述候选评价词集中每个候选评价词的权重值；

根据所述候选评价词的权重值进行排序，确定排序在预设值之前的候选评价词作为新评价词。

5.根据权利要求3所述的细粒度的评价信息挖掘方法，其特征在于，所述利用所述候选评价对象集中的候选评价对象确定新评价对象，包括：

构建所述候选评价对象集中的候选评价对象与所述初始评价词种子集的每个初始评价词的关系矩阵，生成评价对象无向加权图；

对所述初始评价词种子集的每个初始评价词进行初始权重值加权；

在所述评价对象无向加权图中进行迭代传播，确定所述候选评价对象集中每个候选评价对象的权重值；

根据所述候选评价对象的权重值进行排序，确定排序在预设值之前的候选评价对象作为新评价对象。

6.根据权利要求1所述的细粒度的评价信息挖掘方法，其特征在于，所述根据半监督迭代法从所述评价语句中确定新评价对象和新评价词之后，还包括：

根据所述新评价对象与所述初始评价对象种子集中的评价对象的共现频率指定所述新评价对象的类别。

7.根据权利要求1所述的细粒度的评价信息挖掘方法，其特征在于，还包括：

对所述评价语句对应的评价信息中的所述评价对象和所述评价词进行关联扩展。

8.根据权利要求1所述的细粒度的评价信息挖掘方法，其特征在于，还包括：

对所述评价语句对应的评价信息进行可视化显示。