[发明专利]价值观相关话题的文本判别方法

说明书

本发明提供一种价值观相关话题的文本判别方法，其包括以下步骤：步骤S1：基于选定的种子词，从社交网络上搜索出具有代表性的帖子，基于领域知识提出主题词，组成主题词库；步骤S2：结合专家知识和具有代表性的帖子验证，建立相关话题的领域知识模型；步骤S3：结合领域知识模型，建立相关话题的判别模型；基于领域知识设定阈值为R，若是某个帖子的相关性R大于阈值，则该贴子和话题相关，反之亦然。与现有技术相比，本发明不用通过预先训练模型，能够快速准备的判断一个帖子是否属于某一话题。

技术领域

本发明属于语言处理领域，具体涉及一种价值观相关话题的文本判别方法。

背景技术

价值观是指一个人对周围的客观事物（包括人、事、物）的意义、重要性的总评价和总看法。一方面表现为价值取向、价值追求，凝结为一定的价值目标；另一方面表现为价值尺度和准则，成为人们判断价值事物有无价值及价值大小的评价标准。在今天全球化的环境和社会转型的大背景下，作为社会的中坚力量，大众的价值观是值得高度关注的。

发明内容

本发明的目的是提供一种价值观相关话题的文本判别方法。

本发明采用以下技术方案：一种价值观相关话题的文本判别方法，其包括以下步骤步骤S1：基于选定的种子词，从社交网络上搜索出具有代表性的帖子，基于领域知识提出主题词，组成主题词库；步骤S2：结合专家知识和具有代表性的帖子验证，建立相关话题的领域知识模型；步骤S3：结合领域知识模型，建立相关话题的判别模型；基于领域知识设定阈值为R，若是某个帖子的相关性R大于阈值，则该贴子和话题相关，反之亦然。

在本发明一实施例中，步骤S2包括以下具体步骤：在主题词库的基础上，进一步地分析主题词关键程度；所述关键程度，指的是一个主题词反应某一个相关话题的程度。

进一步的，关键程度通过主题词的权重来表示；将主题词分为四个等级，分别赋予相应的权值；其中极相关主题词：权值0.7；较为相关主题词：权值0.55；弱相关主题词：权值0.35；公共词汇：权值0.15。

在本发明一实施例中，步骤S3中包括以下具体步骤：通过TF-IDF算法评估帖子中出现的词语对于该贴子的重要程度； TF-IDF算法返回的结果是文档中的关键词按重要性从高到低的排序结果；返回结果的前五个此为特别关键词；对于每个帖子利用TF-IDF算法计算出帖子的关键词排序，若是关键词出现在主题词库中，将其权重带入到相关度计算公式中，计算公式为：

；

其中，sw_n表示出现在主题词库中特别关键词的权重，w_n表示出现在主题词库中关键词的权重；如果是特别关键词，则在计算特别关键词的权重时需要在原来权重的基础之上加上0.2。

较佳的，R为0.69。

与现有技术相比，本发明基于领域知识提出主题词，组成主题词库。之后结合专家知识和代表性帖子验证，建立相关话题的领域知识模型，建立相关话题的判别模型。这种方法不用通过预先训练模型，能够快速准备的判断一个帖子是否属于某一话题。

具体实施方式

下面结合具体实施例对本发明做进一步解释说明。

本发明采用以下技术方案：一种价值观相关话题的文本判别方法，其包括以下步骤步骤S1：基于选定的种子词，从社交网络上搜索出具有代表性的帖子，基于领域知识提出主题词，组成主题词库；步骤S2：结合专家知识和具有代表性的帖子验证，建立相关话题的领域知识模型；步骤S3：结合领域知识模型，建立相关话题的判别模型；基于领域知识设定阈值为R，若是某个帖子的相关性R大于阈值，则该贴子和话题相关，反之亦然。