[发明专利]一种跨语种的点评复述方法

权利要求书

1.一种跨语种的点评复述方法，其特征在于，包括以下步骤：

1)获取目标语种的点评数据；

2)对目标语种的点评数据进行语义分析；所述语义分析包括分析点评数据的维度和极性；

所述极性的计算方法是：

a)获取点评数据，对其进行规范化处理；

b)对规范化处理后的点评数据的句子进行分词处理；

c)对分词后的句子进行要素分析，识别出影响文本情感倾向性检测分析的各类词语；

d)根据句式模版库对进行要素分析后的点评数据进行句式模版匹配；

e)确定点评数据的句子中指代语对应的先行语，并恢复省略的主语；

f)将出现评价对象词、评价属性词或情感词的句子作为候选情感句，采用最大熵模型对候选情感句的句子极性进行判别，得到句子的极性即情感倾向性；

其中，步骤d)所述句式模版库采用以下步骤建立：

(1)人工查看点评，整理各个情感要素的词，形成种子词典；

(2)对点评数据的句子进行分词处理，对分词后的点评逐词判定其语义类并用语义类标签替换；然后对标签替换后的点评数据进行断句，根据各语义类的名称及各语义类包含的具体词语生成句式模版；

(3)语义词抽取：将生成的句式模版应用到语义类标签替换后的点评中，当某个点评片段对应的模版与生成的句式模版的差异只有一个词时，将该词作为相应语义类的实例词；

(4)对句式模版进行打分及挑选：从两方面打分，一方面通过频次衡量句式模版的重要性和推广性，另一方面通过在语义词典中的命中率衡量句式模版的准确性；

重要性和推广性打分S(pat_i)的计算公式如下：

其中，|pat_i|是模版pat_i的长度，以词数计算，f(pat_i)表示模版pat_i的频次，C(pat_i)表示嵌套pat_i的模版集合；

准确性打分P(pat_i)的计算公式如下：

其中，T(pat_i)表示模版pat_i抽取的语义词集合，f(t)表示语义词t的频次，SemLex为步骤(1)构建的种子语义词典；

采用Sigmoid函数将S(pat_i)归一化到(0,1)，进而融合两方面的打分得到F(pat_i)，计算公式如下：

其中α为重要性和推广性打分S(pat_i)的权重，取值范围为[0,1]；

根据F(pat_i)选取得分最高的前若干个句式模版；

(5)根据挑选的句式模版pat_k及其打分，计算模版抽取的语义词的得分，计算公式如下：

选取得分最高的前若干词添加到语义词典中；

步骤(2)到(5)迭代进行，至挑选出来的语义词明显不正确时终止，从而得到最终的语义词典，并由各句式模版构成句式模版库；

3)根据语义分析的结果，对目标语种的点评数据中的点评句进行语义表示；

4)将目标语种的点评数据中的每个点评句作为文档，将其语义的完整表示和部分表示作为词，构建倒排索引，形成目标语种的点评数据的复述句库；

5)对源语种的点评数据进行语义分析和语义表示，通过源语种的每个点评句的语义表示在所述复述句库中进行检索，得到目标语种的点评句；

6)根据得到的目标语种的各点评句的前后句的极性以及评价主体，按照句子衔接规则进行处理，得到最终的目标语种点评。

2.如权利要求1所述的方法，其特征在于，步骤1)通过聚焦爬虫从各大主流点评网站获取目标语种的在线点评数据。

3.如权利要求1所述的方法，其特征在于，步骤3)将点评句的概念、属性、属性值、维度和极性表示为点评句的语义表示。