[发明专利]一种获取语句情感倾向性的方法及系统

权利要求书

1.一种获取语句情感倾向性的方法，所述方法包含：

步骤101）将语句切分为词语，获得词语的概念类别；

步骤102）根据词语的概念类别得到包含动态“v”概念的特征语义块和不包含动态“v”概念的广义对象语义块，依据语句中的特征语义块和广义对象语义块切分语句，得到语句的语义块切分候选集合；

步骤103）根据语义块切分候选集合包含的特征语义块的核心词语的概念类别获得语句的概念类别候选集合；

步骤104）对语句的概念类别候选集合和语义块切分候选集合进行句类检验，获得唯一与语句对应的句类表达式和语义块切分；

步骤105）将得到的语句的唯一的句类表达式、语义块切分和语句中的极性词语映射到倾向性评价模型，根据倾向性评价模型获得语句的情感倾向性。

2.根据权利要求1所述的获取语句情感倾向性的方法，其特征在于，所述倾向性评价模型为二元模型或三元模型；

所述二元模型的形式为“A B”或“B A”，且所述二元模型的情感倾向性与极性词语B的极性一致，其中，A是评价对象，B是极性词语；

所述三元模型的形式为“C X D”、“C D X”、“D X C”或“D C X”，且所述三元模型对评价对象D的情感倾向性与极性词语X的极性一致，其中“C”是评价者，“X”是极性词语，“D”是评价对象。

3.根据权利要求1所述的语句情感倾向性分析方法，其特征在于，采用如下步骤获得语句的语义块切分候选集合：

步骤2-1-1）根据语句中各词语的概念类别，找出语句中用于表示语言逻辑虚词的“l”类概念以及用于表示动态概念的“v”类概念；

步骤2-1-2）对于语句中得到的多个“v”类概念，逐个进行如下操作：如果其前后概念符合预先制定的排除规则的条件，那么去除该概念的“v”类概念属性；

步骤2-1-3）对于进行排除操作后剩下的多个“v”类概念，按照优选规则计算出每一个“v”类概念作为特征语义块的权重，然后按所述权重做从大到小的排队，得到“v”类概念的候选集合；

步骤2-1-4）根据特征语义块的构成规则，把“v”类概念与前后的修饰概念合并得到特征语义块EK，并得到特征语义块EK的候选集合；

步骤2-1-5）根据语句中的候选特征语义块EK和特征语义块EK之前的“l”类概念，把EK和EK之前的“l”类概念切分语句后形成的字词组合作为广义对象语义块，得到语句的包含特征语义块和广义对象语义块的语义块切分候选集合。

4.根据权利要求1所述的获取语句情感倾向性的方法，其特征在于，采用如下步骤获得语句的概念类别候选集合并进行句类检验：

步骤2-2-1）、获得语句中表示动态“v”概念的特征语义块候选集合，并得到特征语义块的核心词语，根据特征语义块核心词语对应的语句概念类别得到语句的概念类别候选集合，由语句的概念类别得到该语句对应的所有可能的实际句类表达式和语义块，并得到语句所对应的实际语句格式；

步骤2-2-2）由语句的概念类别得到句类知识中标准的句类表达式和语义块约束知识，由特征语义块的核心概念词语得到词语知识库中的句类约束、语句格式约束和语义块约束知识；

步骤2-2-3）将步骤2-2-2）得到的约束知识与步骤2-2-1）中得到的候选句类表达式和语义块在语义块个数、语句格式、语义块核心概念三个方面依次进行比较，保留比较结果都符合的语句表达式和语义块切分候选。

5.根据权利要求4所述的获取语句情感倾向性的方法，其特征在于，针对包含动态“v”类概念的语义块，所述步骤2-2-3）后还包含如下步骤：

步骤2-3-1）判断语义块的类型，若为块扩或原型句蜕，执行下一步，若为要素句蜕，执行步骤2-3-3），若为包装句蜕，执行步骤2-3-4）；

步骤2-3-2）将语义块中的用于表示动态概念的“v”类概念作为新语句的特征语义块，得到新语句的概念类别候选集合，然后进行新语句的句类检验，结束本步骤的操作；

步骤2-3-3）对语义块中的用于表示动态概念的“v”类概念重新恢复特征语义块的资格，得到新语句的概念类别候选集合，然后进行新语句的句类检验，结束本步骤的操作；

步骤2-3-4）识别出语义块中作为包装句蜕的“包装品”的字或词或短语，去除该包装品，然后对语义块中去掉“包装品”后的部分执行步骤2-3-1），结束本步骤的操作。