[发明专利]基于自适应提升算法的中文微博观点句识别特征的提取方法

权利要求书

1.基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：包括：

步骤1，具有带是否为观点句标记的微博训练样本，输入该微博训练样本集合S={(x_i,y_i),i=1,…,n}，其中x_i∈X，y_i∈Y，Y={-1,+1}，X是该n个微博训练样本的m个特征，Y是每一个微博训练样本对应的分类结果，若该微博训练样本x_i是观点句，则该微博训练样本标记为y_i=+1，否则为y_i=-1；

设定特征选择的迭代终止条件为：分类误差ε_j与0.5的差距小于阈值β，其中，β可根据情况自行设定；

设定微博训练样本集的初始权重分布D₁为平均分布，即

设定被选择的初始特征集合为空集；

设定迭代变量初始值j=1，最大迭代次数为m；

步骤2，按以下步骤21-27进行循环迭代，包括：

步骤21，在权重分布为D_j的微博训练样本集中，找到以特征f_j为单一特征的弱分类器h_j，该弱分类器h_j对该微博训练样本集的分类误差ε_j与0.5的差距最大，其中：该弱分类器对该微博训练样本集的分类误差h为所有输出为Y的单一特征弱分类器；

步骤22，记下该弱分类器h_j的参数：特征f_j、二分该权重分布微博训练样本集的阈值和二元关系运算符；

步骤23，更新被选择特征集合F=F∪{f_j},本次迭代所选的特征f_j在以后的迭代中不再使用；

步骤24，计算该弱分类器h_j在强分类器H中的权重

步骤25，如果分类误差|ε_j-0.5|≤β，则最大迭代次数T=j，退出迭代，结束特征选择，否则，继续进行步骤26；

步骤26，迭代变量j值加1，如果j大于m，则已经选择全部特征，退出迭代，否则，继续进行步骤27；

步骤27，更新该微博训练样本集的权重分布：i=1,…,n，其中，返回步骤21；

步骤3，输出被选择特征集合F={f_j|j=1,…,T}和强分类器H(x)=sign[Σj=1Tαjhj(x)].]]>

2.根据权利要求1所述的基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：该分类误差ε_j与0.5的差距β能够被设定。

3.根据权利要求1所述的基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：中文微博观点句的识别特征包括中文微博语句中的词性。

4.根据权利要求1所述的基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：中文微博观点句的识别特征包括情感词典中的情感词语集合。

5.根据权利要求1所述的基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：中文微博观点句的识别特征包括词与词之间的依存特征。

6.根据权利要求1所述的基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：中文微博观点句的识别特征包括词与词之间的位置特征。