[发明专利]一种基于CRF模型的情绪原因事件识别方法及系统

说明书

技术领域

本发明涉及信息抽取技术领域，更具体地说，涉及一种基于CRF模型的情绪原因事件识别方法及系统。

背景技术

随着互联网的高速发展，网络信息数据不断增加，大量信息以电子文本的形式呈现在人们面前。而如何从这些大量的信息中迅速、准确地提取出人们所需求的重要信息就越发重要。

信息抽取是从文本信息中自动获取所需信息的一种主要手段。信息抽取是将无结构的文本信息，按照人们的需求识别和抽取出来，转化为结构化或半结构化的信息，并采用数据库的形式存储，以便人们查询和进一步的分析、利用。其中，由文本信息中获取其情绪原因事件是信息抽取中的一个重要方面，情绪原因事件是指文本信息(可以是某段语句)中情绪的触发事件。例如，对于文本信息：IamhappybecauseIhavepassedthetest。该句中情绪对应的情绪词为happy，与之对应的情绪原因事件为Ihavepassedthetest。

目前，情绪原因事件识别方法大多是基于机器学习的方法，即使用统计的方法进行研究。主要还是基于全监督的学习方法，这种方法把情绪原因事件识别看成分类问题，选择合适的特征并使用合适的分类器来完成。但是，这种方法获取待测文本的情绪原因事件的准确率较低。

综上所述，现有技术中的情绪原因事件识别方法存在获取待测文本的情绪原因事件的准确率较低的问题。

发明内容

本发明的目的是提供一种基于CRF模型的情绪原因事件识别方法及系统，以解决现有技术中存在的获取待测文本的情绪原因事件的准确率较低的问题。

为了实现上述目的，本发明提供如下技术方案：

一种基于CRF模型的情绪原因事件识别方法，包括：

获取第一文本，所述第一文本为未提供其情绪原因事件的文本；

将所述第一文本进行分词处理，得到第一词组；

确定所述第一词组中包括的第一情绪词；

获取所述第一词组中每个词语的词性特征和第一距离，所述第一距离为所述第一词组中每个词语与所述第一情绪词之间的距离；

利用所述第一词组中的每个词语、每个词语的词性特征及该词语第一距离，通过预先建立的CRF模型，确定所述第一文本的情绪原因事件。

优选的，所述利用所述第一词组中的每个词语及每个词语的词性特征和第一距离，通过预先建立的CRF模型，确定所述第一文本的情绪原因事件，包括：

将所述第一词组中的每个词语、每个词语的词性特征及该词语的第一距离转换成与该词语对应的第一特征向量；

将所述第一词组中每个词语对应的第一特征向量作为所述CRF模型的输入，得到所述第一文本的情绪原因事件。

优选的，所述获取第一文本，包括：

在特定网页上，通过网页文字抓取器获取所述第一文本。

优选的，所述获取第一文本，包括：

获取第一文本，所述第一文本为英文文本或者中文文本。

优选的，预先建立所述CRF模型的过程包括：

获取预设量的第二文本，所述第二文本为已提供其情绪原因事件的文本；

将所述第二文本进行分词处理，得到分别与每个所述第二文本对应的第二词组；

确定所述第二词组中每个词语的词性特征及第二距离；其中，所述第二距离为每个所述第二词组中每个词语与该第二词组中包括的第二情绪词之间的距离；

利用所述第二词组中的每个词语及该词语的词性特征和第二距离训练所述CRF模型。

优选的，所述利用所述第二词组中的每个词语及该词语的词性特征和第二距离训练所述CRF模型，包括：

将每个所述第二词组中每个词语及该词语的词性特征和第二距离转换成与该词语对应的第二特征向量；

利用每个所述第二词组及该第二词组中每个词语对应的第二特征向量训练CRF模型。

一种基于CRF模型的情绪原因事件识别系统，包括：

第一获取模块，用于获取第一文本，所述第一文本为未提供其情绪原因事件的文本；

分词模块，用于将所述第一文本进行分词处理，得到第一词组；

第一确定模块，用于确定所述第一词组中包括的第一情绪词；

第二获取模块，用于获取所述第一词组中每个词语的词性特征和第一距离，所述第一距离为所述第一词组中每个词语与所述第一情绪词之间的距离；

第二确定模块，用于利用所述第一词组中的每个词语、每个词语的词性特征及该词语第一距离，通过预先建立的CRF模型，确定所述第一文本的情绪原因事件。