[发明专利]基于社会媒体的多层级情感分析方法

权利要求书

1.一种基于社会媒体的多层级情感分析方法，其特征在于，所述方法包括：

获取社会媒体中待进行情感分析的文本信息；

对所述文本信息进行情感特征分析，根据情感特征分析结果确定所述文本信息的情感，所述情感特征分析包括基于情感词典对所述文本信息进行情感分析，以及基于情感分析模型对所述文本信息进行情感分析；其中，所述基于情感词典对所述文本信息进行情感分析，包括：

对所述文本信息进行分词处理，根据分词处理结果从所述文本信息中提取情感词；

根据预设的情感词典确定各所述情感词的情感取向；

根据具有相同情感取向的情感词的数目，确定所述文本信息的情感。

2.根据权利要求1所述的基于社会媒体的多层级情感分析方法，其特征在于，所述情感词包括正向情感指示词和负向情感指示词，以及所述根据具有相同情感取向的情感词的数目，确定所述文本信息的情感，包括：

分别判断所述情感信息中正向情感指示词和负向情感指示词的数目；

根据所述正向情感指示词和负向情感指示词的数目的差值确定所述文本信息的情感；其中，所述差值为正，确定所述文本信息表达正向情感，所述差值为负，确定所述文本信息表达负向情感。

3.根据权利要求2所述的基于社会媒体的多层级情感分析方法，其特征在于，所述预设的情感词典包括正面情感库和负面情感库，所述情感词典的扩充方法包括：

通过如下公式统计候选情感词分别在正面情感样本和负面情感样本中的情感得分：

其中，w表示词语，a表示词语w在正面文章中出现的次数，b表示词语w在其它类文章中出现的次数，notw表示w的否定词，c表示w的否定词在正面文章中出现的次数，d表示w的否定词在负面文章中出现的次数，Pr(w)＝(a+b)/n，n＝a+b+c+d，n！＝a+c；

将在所述正面情感样本中的情感得分大于第一阈值，以及在负面情感样本中的情感得分小于第二阈值的所述候选情感词，确定为正向情感指示词；将所述正向情感指示词加入到所述正面情感库；所述第一阈值为正值，所述第二阈值为负值；

将在所述负面情感样本中的情感得分大于第三阈值，以及在正面情感样本中的情感得分小于第四阈值的所述候选情感词，确定为负向情感指示词；将所述负面情感指示词加入到所述负面情感库；所述第三阈值为正值，所述第四阈值为负值。

4.根据权利要求3所述的基于社会媒体的多层级情感分析方法，其特征在于，所述情感词典中包括专属情感词，从文本中抽取专属情感词的方法为：

从预先指定的专属领域中提取多个文本；

确定在同一情感取向的多个文本中出现次数大于设定数目的词为专属情感词。

5.根据权利要求1所述的基于社会媒体的多层级情感分析方法，其特征在于，所述基于情感分析模型对所述文本内容进行情感分析，包括：

将所述文本信息输入到预设的情感分析模型中进行情感特征分类，以确定所述文本信息的情感。

6.根据权利要求5所述的基于社会媒体的多层级情感分析方法，其特征在于，所述的情感分析模型，其训练方法包括：

提取训练用数据集的文本的特征信息；所述特征信息包括一元词特征信息和二元词特征信息；

使用所提取的特征信息训练初始情感分析模型，得到优化后的情感分析模型。

7.根据权利要求6所述的基于社会媒体的多层级情感分析方法，其特征在于，所述基于社会媒体的多层级情感分析方法还包括基于自学习机制更新所述训练用数据集的步骤，该步骤具体包括：

使用所述情感分析模型对测试数据集的测试文本进行情感分类，并计算出情感分类的置信度；

将置信度大于预设置信阈值的所述测试文本作为标注文本，存入对应候选训练集中；

如果所述候选训练集的标注文本数量大于预设的文本数量阈值，将所述候选训练集合并到所述训练用数据集以更新所述训练用数据集。

8.一种存储装置，其中存储有多条程序，其特征在于，所述程序适于由处理器加载并执行以实现权利要求1-7任一项所述的基于社会媒体的多层级情感分析方法。

9.一种处理装置，包括

处理器，适于执行各条程序；以及

存储设备，适于存储多条程序；

其特征在于，所述程序适于由处理器加载并执行以实现：

权利要求1-7任一项所述的基于社会媒体的多层级情感分析方法。