[发明专利]一种文本情感分类方法及系统

说明书

技术领域

本发明涉及自然语言处理技术及模式识别领域，更具体地说，涉及一种文本情感词分类方法及系统。

背景技术

随着互联网应用的普遍发展，互联网（如博客、论坛等）上产生了大量的用户参与的，对于人物、事件、产品等的评论信息，这些评论信息表达了用户的各种情感色彩和情感倾向性，这不仅为商家提供了一个信息展示的平台，也为消费者（即用户）提供了产品使用体验交流的平台。如何从这些海量文本中提取这一类带有情感的文本，并对其进行文本情感的分析和研究，具有很强的应用价值，例如，用户可以根据商品的评论了解商品的信息，选择合适产品；商家根据用户的评论改进商品的品质，争取更大的市场等。

所谓文本情感分析，就是借助计算机帮助用户快速获取、整理和分析相关评价信息，对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，其中，文本情感分类是文本情感分析的一项基本任务，文本情感分类是指将文本分为正面文本或者负面文本，例如，“我很喜欢这个产品”，通过情感分类，这句话将被分为正面文本，而“这本书实在太差了”，将被分类为负面文本。

现有的文本情感分类方法是基于机器学习的分类方法，该方法将人工标注的一定规模的正面文本和负面文本作为训练样本，通过对待分类文本中正面情感词和负面情感词进行统计计数，根据待分类文本中，正面情感词和负面情感词的统计情况对文本进行分类，这种文本情感分类方法实现简单，但其分类效果差，例如“我不喜欢这个产品”这句话中，包括一个正面情感词“喜欢”，应用现有的文本分类方法，很可能将这句话分为正面文本，但是这句话的整体情感极性却是负面的，因此，通过情感词统计计数的方法得到的分类结果的正确率低。

发明内容

本发明的目的是提供一种文本情感分类方法，已解决现有的文本情感分类方法分类结果的正确率低的问题。

为实现上述目的，本发明提供了如下技术方案：

一种文本情感分类方法，包括：

参考预置的情感词表，在待分类文本中查找情感词，并确定与所述情感词对应的情感极性；

使用两个极性转变规则判断所述情感词是否发生极性转变，所述两个极性转变规则包括：基于句子内结构的极性转变规则和基于句子间转折结构的极性转变规则；

计算所述待分类文本中各个中性词出现在每一种类别的文本中的概率，并依据所述情感词的情感极性及所述情感词的极性转变结果，计算所述待分类文本中各个情感词出现在每一种极性的文本中的概率；

依据所述待分类文本中各个中性词即各个情感词出现在每一种极性的文本中的概率，利用贝叶斯分类器模型对所述待分类文本进行分类。

上述方法，优选的，所述基于句子内结构的极性转变规则包括：

基于否定结构的极性转变规则，基于模态结构的极性转变规则和基于隐含结构的极性转变规则。

上述方法，优选的，所述基于否定结构的极性转变规则包括：

若所述情感词所在的句子中出现了预设的否定结构的关键词，则所述情感词发生极性转变。

上述方法，优选的，所述基于模态结构的极性转变规则包括：

若所述情感词所在的句子中，在所述情感词的前边出现了预设的模态结构的关键词，则所述情感词发生极性转变。

上述方法，优选的，所述基于隐含结构的极性转变规则包括：

若所述情感词所在的句子中出现预设的隐含结构的关键词，则所述情感词发生极性转变。

上述方法，优选的，所述基于句子间转折结构的极性转变规则包括：

若所述情感词所在的句子的后一句或后一段文本中出现预设的转折结构的关键词，则所述情感词发生极性转变。

上述方法，优选的，所述计算所述待分类文本中各个中性词出现在每一种类别的文本中的概率，并依据所述情感词的情感极性及所述情感词的极性转变结果，计算所述待分类文本中各个情感词出现在每一种类别的文本中的概率包括：

P(w_k|c_i)＝α·P_e(w_k|c_i)+(1-α)·P_f(w_k|c_i)，