[发明专利]多种语言文本数据分类处理方法

摘要

本发明公开了一种自学习的涉及多语言数据处理分类方法，包括通过第一种子词中文或者外文“很”抽取候选情感词，然后进行停用词过滤，停用词表从语料库中自动获取；步骤2，通过第二种子词“好”和第三种子词“差”或者外文“好”“差”对情感词和情感文本同时进行支持或反对聚类；通过半监督学习构建情感分类器，先从聚类的结果中挑选确信的样本训练初始分类器，然后融合文本的情感得分和分类器的后验概率来挑选新样本加入训练集。本发明提出的面向多语言倾向性分析的方法是语言无关的，无需借助机器翻译系统和大规模双语词典，直接在目标语言上学习情感分类器，具有最小资源依赖性，对于每种目标语言，仅仅需要三个种子词而不需要其他先验知识。

主权项

一种自学习的涉及多语言数据处理分类方法，其特征在于，包括如下步骤：步骤1，通过第一种子词中文或者外文“很”抽取候选情感词，然后进行停用词过滤，停用词表从语料库中自动获取；步骤2，通过第二种子词“好”和第三种子词“差”或者外文“好”“差”对情感词和情感文本同时进行支持或反对聚类；步骤3，通过半监督学习构建情感分类器，先从步骤2聚类的结果中挑选确信的样本训练初始分类器，然后融合文本的情感得分和分类器的后验概率来挑选新样本加入训练集。