[发明专利]情感分析系统及方法

权利要求书

1.一种情感分析系统，至少包括：

语料库建立模组，用于建立观点句识别及情感倾向分析所需的训练集；

数据预处理模组，用于对训练集中的句子进行预处理；

观点句识别模组，采用支持向量机分类器与贝叶斯分类器分别对预处理后的句子进行观点句识别，并对两分类器的结果进行集成处理，得到最终的分类结果；以及

情感倾向分析模组，采用支持向量机分类器及贝叶斯分类器分别直接将预处理后的句子分为正面、负面和无观点三类，并通过集成公式将该支持向量机分类器和贝叶斯分类器的分类结果集成，得到当前句子的分类结果。

2.如权利要求1所述的一种情感分析系统，其特征在于：该训练集包括中国计算机学会所提供的来自腾讯微博的样例数据和从新浪微博上抓取的数据。

3.如权利要求2所述的一种情感分析系统，其特征在于：该训练集为人工标注，由两个人分别独立标记，结果不同的再由第三个人进行裁决。

4.如权利要求1所述的一种情感分析系统，其特征在于：该预处理包括去掉句子中的标签仅保留句子本身的内容及对句子中的特殊符号进行了正规化处理。

5.如权利要求4所述的一种情感分析系统，其特征在于：对句子中的特殊符号的处理包括将所有全角符号转化为半角、将英文标点替换为中文标点、将连续的数字替换为<NUM>、将所有不规范的省略号替换为<ETC>以及将短链接替换为<SHORT_URL>。

6.如权利要求1所述的一种情感分析系统，其特征在于，该支持向量集分类器采用线性核函数，以词袋模型为基础使用以下不同的特征集合：

1.一元文法的二进制表示，若该单词出现，则特征向量的相应维的值为1，否则为0；

2.一元文法的tf值表示，wt,d=1+logtft,d,iftft,d>00,otherwise,]]>其中tf为该单词在句子中的词频，特征向量的每一维为该单词的w值，并对向量进行正规化，使得每个句子对应的特征向量成为单位向量；

3.一元文法的tf-idf值，w′_t，d＝(1+logtf_t，d)×log(N/df_t)，其中N为总的句子数，df为包含该单词的句子数，特征向量的每一维为该单词的w′值，并进行正规化；

4.二元文法的tf-idf值，为了减少分词带来的误差，并考虑词之间的相互联系，此特征在一元文法基础上，加入了两个相邻词组合而成的二元文法的信息；

5.特征集合选取了URL、不同类别词个数、特殊句式等9个与区分观点句和非观点句密切相关的特征。

7.如权利要求6所述的一种情感分析系统，其特征在于：该观点句识别模组的集成处理采用将两种分类器的分类结果和置信度作为更高一层集成分类器的特征进行再分类的方法。

8.如权利要求6所述的一种情感分析系统，其特征在于：该观点句识别模组的集成处理采用直接对置信度加权平均得到最终的分类结果。