[发明专利]一种双语情感分类方法及装置

说明书

技术领域

本发明涉及信息处理技术领域，尤其涉及一种双语情感分类方法及装置。

背景技术

近年来，情感分类技术在电子商务、舆情分析、信息安全等领域表现出巨大的应用需求和应用前景。情感分类技术可以帮助了解用户的消费习惯与产品的优缺点，自动对产品评论进行分析和决策；了解民众的满意度与诉求，及时发现社会特点问题；分析当前社会的热点舆情信息，给用户、企业、政府等提供重要的决策参考依据。现有技术中的情感分类方法主要针对一种语言，并且只要针对英文。

发明人在实现本发明创造的过程中发现：现有技术中的情感分类方法会使分类结果产生误差，影响分类正确率，例如,“It looks like a book”，在英文中，“like”可能会被认为是一个褒义词(与“enjoy”同义)，如果被认为褒义词，就会使分类结果产生误差。

发明内容

有鉴于此，本发明提供了一种双语情感分类方法及装置，用以解决现有技术中的情感分类方法会使分类结果产生误差，影响分类正确率的问题，其技术方案如下：

一种双语情感分类方法，包括：

翻译待分类的源语言文档和训练样本集的源语言文档，得到待分类的翻译文档和训练样本集的翻译文档；

组合所述待分类的源语言文档和所述待分类的翻译文档，得到待分类的双语文档，组合所述训练样本集的源语言文档和所述训练样本集的翻译文档，得到训练样本集的双语文档；

构建待分类的双语特征向量空间和训练样本集的双语特征向量空间；

利用最大熵模型在所述样本集的双语特征向量空间上训练分类器；

通过训练后的分类器对所述待分类的双语特征向量空间进行情感极性分类，得到所述待分类的源语言文档的情感分类结果。

其中，利用最大熵模型在所述样本集的双语特征向量空间上训练分类器包括：

确定所述样本集的双语特征向量空间中每个特征项的权重值；

利用最大熵模型在权重值大于预设值的特征项组成的双语特征向量空间上训练分类器。

其中，确定所述样本集的双语特征向量空间中每个特征项的权重值的过程包括：

利用CHI特征提取方法计算所述样本集的双语特征向量空间中每个特征项的权重值。

其中，构建待分类的双语特征向量空间和训练样本集的双语特征向量空间的过程包括：

对所述待分类的双语文档和训练样本集的双语文档进行分词处理；

选取词的一元特征组成待分类的双语特征向量空间和训练样本集的双语特征向量空间。

其中，翻译待分类的源语言文档和训练样本集的源语言文档的过程包括：

利用机器翻译系统Google Translate翻译待分类的源语言文档和训练样本集的源语言文档。

一种双语情感分类装置，包括：

翻译单元，用于翻译待分类的源语言文档和训练样本集的源语言文档，得到待分类的翻译文档和训练样本集的翻译文档；

组合单元，用于组合所述待分类的源语言文档和所述待分类的翻译文档，得到待分类的双语文档，组合所述训练样本集的源语言文档和所述训练样本集的翻译文档，得到训练样本集的双语文档；

构建单元，用于构建待分类的双语特征向量空间和训练样本集的双语特征向量空间；

训练单元，用于利用最大熵模型在所述样本集的双语特征向量空间上训练分类器；

分类单元，用于通过训练后的分类器对所述待分类的双语特征向量空间进行情感极性分类，得到所述待分类的源语言文档的情感分类结果。

其中，所述训练单元包括：

确定子单元，用于确定所述样本集的双语特征向量空间中每个特征项的权重值；

训练子单元，用于利用最大熵模型在权重值大于预设值的特征项组成的双语特征向量空间上训练分类器。

其中，所述确定子单元包括：

计算子单元，用于利用CHI特征提取方法计算所述样本集的双语特征向量空间中每个特征项的权重值。

其中，所述构建单元包括：

分词子单元，用于对所述待分类的双语文档和训练样本集的双语文档进行分词处理；

构建子单元，用于选取词的一元特征组成待分类的双语特征向量空间和训练样本集的双语特征向量空间。

其中，所述翻译单元包括：

翻译子单元，用于利用机器翻译系统Google Translate翻译待分类的源语言文档和训练样本集的源语言文档。

上述技术方案具有如下有益效果：