[发明专利]文本情感倾向的判别方法

权利要求书

1.文本情感倾向的判别方法，其特征包括：

A.从语料库中获得训练语句，并对训练语句赋予类别标签；

B.对测试语句进行拆分，并根据训练语句的类别标签获得测试文本拆分后的每条语句的情感倾向得分；所述获得测试文本拆分后的每条语句的情感倾向得分的方法为：

先计算测试语句与所有训练语句的余弦相似度，利用KNN算法获取与测试语句最相似的K条训练语句，然后根据该K条最相似训练语句的类型标签以及对所述的余弦相似度归一化处理后的结果，加权获得测试语句的情感倾向得分；

C.根据“情感纯净度”、“关键词特性”和“语句在文本中的位置”三种特征获得所述拆分后的每条语句的初始权重；

对于测试语句v_i，其情感纯净度purity(v_i)的得分公式为：

其中，|v_i|是v_i中的词语个数；polarity(w)表示词语w的情感极性，词语的情感极性在情感词典中如果为正面，则polarity(w)为1；如果词语w的情感极性为负面，则polarity(w)为-1；

对于测试语句v_i，其关键词特性keyword(v_i)的得分公式为：

其中，KW是关键词集，E_KW(w)为指示函数，当词语w∈KW时，E_KW(w)为1；当词语时，E_KW(w)为0；

对于测试语句v_i，其位置特性position(v_i)的得分公式为：

position(v_i)＝i²-m×i+100

其中，m代表测试文本T所包含的语句总数；i表示测试语句v_i是文档中的第i个子句，i∈[1,m]；

测试语句v_i的初始权重weight(v_i)的计算公式为：

weight(v_i)＝λ₁×purity(v_i)+λ₂×keyword(v_i)+λ₃×position(v_i)

其中λ₁、λ₂和λ₃分别为情感纯净度得分、关键词特性得分、位置特性得分对应的权重值，且λ₁+λ₂+λ₃＝1；

D.以所述的每条语句为节点、每条语句之间的余弦相似度为边构建无向图；

E.根据所述的无向图构建有向图，有向图的节点为所述的每条语句，有向图的每条边表示始点到终点转移概率；

对于测试语句v_i、v_i′，v_i至v_i′的有向边权值以DGEW(v_i,v_i′)表示，计算公式为：

其中，DGEW(v_i,v_i′)≠DGEW(v_i′,v_i)，V表示测试文本T经过语句拆分获得的测试语句集合V＝{v₁,v₂,...,v_m}，DGEW表示有向图边权值；

F.根据步骤E的有向图和步骤C的每条语句的初始权重，利用图排序方法迭代计算每条语句的权重值；

对于测试语句v_i，以weight_n(v_i)表示第n次迭代后v_i的权重值，其计算公式为：

G.迭代结束后，将所述每条语句的情感倾向得分根据归一化处理后的权重值加权求和，获得当前文本的情感倾向值，并以此判断当前文本的情感倾向性，如果情感倾向值大于0，则判断测试文本T为正面情感；如果情感倾向值小于0，则判断测试文本T为负面情感。

2.如权利要求1所述的文本情感倾向的判别方法，其特征为：步骤B中通过测试语句中的标点符号对测试语句进行拆分。