[发明专利]一种社交媒体评论的情感分析方法、设备及其存储设备在审

专利信息
申请号: 201710756607.6 申请日: 2017-08-29
公开(公告)号: CN107544961A 公开(公告)日: 2018-01-05
发明(设计)人: 任伟;种胜 申请(专利权)人: 中国地质大学(武汉)
主分类号: G06F17/27 分类号: G06F17/27;G06F17/30;G06K9/62
代理公司: 武汉知产时代知识产权代理有限公司42238 代理人: 龚春来
地址: 430074 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 社交 媒体 评论 情感 分析 方法 设备 及其 存储
【权利要求书】:

1.一种社交媒体评论的情感分析方法,所述方法由一种社交媒体评论的情感分析设备实现,其特征在于:包括以下步骤:用特定程序获取用户评论信息;使用数据库处理获取的用户评论信息并将该信息分为训练集和测试集;对所述训练集和测试集分别进行预处理并提取特征词;设置情感分类等级及阈值,使用贝叶斯方法结合训练集进行训练得到分类器;用所述分类器对测试集进行分类并输出分类结果;删除分类结果中感情分类等级低于阈值的评论。

2.如权利要求1所述的一种社交媒体评论的情感分析方法,其特征在于:所述用特定程序获取用户评论信息的步骤具体包括:所述特定程序为Python爬虫程序,所述特定程序获取社交媒体用于存储评论的服务器地址;设定新闻事件的热度排名阈值;根据所述热度排名阈值获取评论;按新闻主题分类存储获取的评论。

3.如权利要求1所述的一种社交媒体评论的情感分析方法,其特征在于:所述使用数据库处理获取的用户评论信息并将该信息分为训练集和测试集的具体步骤包括:所述数据库为MySQL数据库;所述MySQL数据库分为8个字段,分别为:评论获点赞数目记为numofzan、评论发表时间记为createtime、用户名记为username、用户ID记为userid、该评论被评论的数目记为replycount、评论内容记为commenttext、新闻主题ID记为group_id和评论的ID记为onlyid;所述onlyid是评论的唯一标识;使用SQL语句将获取的用户评论中的评论数据进行去重操作;去重后的评论数据记为comment_nonrepetitive;将所述comment_nonrepetitive分为训练集和测试集。

4.如权利要求3所述的一种社交媒体评论的情感分析方法,其特征在于:对所述训练集和测试集分别进行预处理并提取特征词的具体步骤包括:去除训练集中每条评论的标记信息以及转发人的评论内容,只保留该ID所作的评论;将上述步骤处理后的评论记为comment_personal;保留每条评论数据的onlyid字段;对comment_personal进行jieba分词,包括:基于Trie树结构实现高效的词图扫描;生成评论中汉字所有成词情况;构成有向无环图(DAG)记为comment_jieba;使用哈工大停用词表stopword去除comment_jieba中的停用词,将结果记为comment_stopword;统计comment_stopword中程度副词、否定词的相对位置;若否定词在程度副词的前面,该否定词的权值为原权值的0.5倍;若否定词在程度副词的后面,该否定词的权值为原权值的2倍;对单条评论中的词语按照权值从大到小排序;选取权值较大的前7组词语作为该条评论的特征词,记为wi,i=1…7。

5.如权利要求4所述的一种社交媒体评论的情感分析方法,其特征在于:所述设置情感分类等级及阈值及使用贝叶斯方法结合训练集进行训练得到分类器的具体步骤包括:确定类别集合C={C1:极负,C2:负向,C3:较负,C4:中立,C5:正向},并设定阈值为C1;统计得到各类别下各特征词的条件概率:P(w1|C1),P(w2|C1)…P(w7|C1)…P(w1|C2)…P(w7|C2)…P(w1|C5)…P(w7|C5);统计训练集中各类别概率:P(C1),P(C2),P(C3),P(C4)及P(C5);评论X被划分为Ci类的标准为P(Ci|X)=max{P(C1|X),P(C2|X)…P(C5|X)};使用贝叶斯定理计算P(Ci|X);对训练集中每条评论采用上述步骤完成分类器构建。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710756607.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top