[发明专利]一种基于支持向量机的情感分类方法

摘要

本发明公开了一种基于支持向量机的情感分类方法，包括情感分类系统，所述情感分类系统包括依次通信连接的爬虫模块CPM、特征词及训练样本生成模块TGM、SVM分类模块和可视化模块VM，所述特征词及训练样本生成模块TGM包括特征词提取模块和训练样本选取模块；采用情感分类系统的情感分类方法如下A、爬虫模块CPM数据采集站点数据；B、特征词及训练样本生成模块TGM对数据库中的特征词和训练样本选取；C、SVM分类模块分类；D、可视化模块VM将分析结果在Web端进行展现。本发明能够准确地对用户在微博、论坛所发表的评论信息根据用户的情感进行分类，进而发现舆情状况。

主权项

一种基于支持向量机的情感分类方法，其特征在于：包括情感分类系统，所述情感分类系统包括依次通信连接的爬虫模块CPM、特征词及训练样本生成模块TGM、SVM分类模块和可视化模块VM，所述特征词及训练样本生成模块TGM包括特征词提取模块和训练样本选取模块；采用情感分类系统的情感分类方法如下：A、爬虫模块CPM数据采集流程方法如下：A1、爬虫模块CPM从指定的站点开始以宽度优先的模式爬取网页，所述站点为起始网站；A2、爬虫模块CPM针对每一个获取到的网页，对其页面源代码进行解析，获取网页内相关的信息，所述信息包括用户评论信息；A3、所述爬虫模块CPM包括数据库，所述爬虫模块CPM将步骤A2中所获取到的信息数据写入数据库中；B、特征词及训练样本生成模块TGM对数据库中的特征词和训练样本选取流程方法如下：B1、特征词的选取：情感分类系统支持向量机对评论文本进行分类，所述特征词及训练样本生成模块TGM的特征词提取模块采用算法FindCover来选取典型的特征词；所述特征词及训练样本生成模块TGM选取词性为名词(n)，动词(v)和形容词(a)的词语作为特征词，即FindCover算法的输入P为数组{n,v,a}；此外在实际计算中，所述特征词及训练样本生成模块TGM选取长度l>1的词语作为特征词；算法FindCover输入：已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输出：特征词组①.初始化集合S，A；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)；③.当S未包含n个词语时④.寻找词语word，使其(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；⑤.如果寻找到的word的覆盖率coverage＝0⑥.则终止循环；⑦.否则⑧.将word加入S；将M(word)加入A；⑨.返回S作为特征词组；B2、训练样本的选取：所述特征词及训练样本生成模块TGM的训练样本选取模块采用以下策略选取训练样本：首先，输出所有包含特征词的评价文本集合Uf；若|Uf|>1％|U|，则从Uf中随机选择1％|U|个评价文本作为训练样本；否则输出Uf作为训练样本；其次，选定的训练样本将进行人工情感标注；实际使用过程中，可以将文本根据情感分成2类，即：正面，负面；也可分成三类，即正面，中性，负面；C、SVM分类模块分类方法如下：所述SVM分类模块首先根据步骤B中的特征词将样本数据中的文本转换为形如：“<标记>＝特征1:个数；特征2:个数；……特征n:个数”的格式，其中若采用三分法，则<标记>可以取值为positive，negative或neutral；若采用二分法，则<标记>可以取值为positive和negative；所述SVM分类模块随后将转换好的训练数据输入到LIBSVM库中进行分类训练；D、可视化模块VM将分析结果在Web端进行展现：所述可视化模块VM将步骤C中的分析结果在Web端进行展现，主要可视内容包括：a、基于特定关键词的文本的“正面”、“负面”、“中性”的比例；b、情感相关的原始文本；c、按时间维度展现文本的情感变化。