[发明专利]基于社会媒体的多层级情感分析方法

说明书

本发明涉及自然语言处理领域，提出了一种基于社会媒体的多层级情感分析方法，旨在解决社会媒体中文章灵活多变，训练数据缺失，难以在有限数据集上取得满意的情感分类效果的问题。该方法包括：获取待进行情感分析的社会媒体的文本信息；对上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上述文本信息的情感。对于来自社会媒体的文章，从词语和篇章两个层级进行优化处理。在词语层级上，进行泛化情感词抽取，以自动化扩充领域词典；在篇章层级上，设计自学习机制，以自动扩充训练样本。本发明实现了对从词和篇章两个层级切入，对社会媒体情感分析中的情感词典和分析模型进行优化。

技术领域

本发明涉及自然语言处理领域，特别涉及一种基于社会媒体的多层级情感分析方法。

背景技术

社会媒体中蕴含着大量的网民情感信息，其中的价值已引起科技界、企业界、新闻界以及各国政府的高度重视。网民情感往往以评论发帖的形式呈现，分析其中的发帖内容可以帮助决策者实时掌握大众对于公共事件的情感态度。而基于社会媒体的情感分析方法，可用于社交媒体情感分析，大众对公共事件情感态度实时分析，舆情监控。

社会媒体情感的研究主要是对网络媒体情感的倾向性进行计算，利用自然语言处理、文本分析、计算语言学的方法，从文本中挖掘人们的观点、情感、评价、态度和情绪。其基本部署是通过一些知识库和统计学原理，构建系统，对网络文本进行分类，能够得出它的极性和极性的强度。其极性可以分为正向极性和负向极性，极性强度可以分为强、中和弱；判别词语的情感极性是文本情感分析的基础，词语的情感极性判别主要有基于语料库和基于词典两种方法。

对于基于词典的方法，有基于语义相似度或者层次结构来判别词语的情感极性中文词典HowNet，基于文本情感二元划分方法的中文词语数据库NTUSD。但是，当前的开源词典质量普遍不高，不全面，缺乏主客观词典，导致情感分析效果差强人意；另外，无法根据具体领域构建针对性的情感词典。例如我家洗衣机声音很大”这很可能是差评，而“我家音响声音很大”很可能就是好评，所以需要根据具体领域构建针对性的情感词典。另外，对于使用机器模型的方法分类社会媒体时，考虑社会媒体平台上用语的灵活多变特性，基于有限标注数据训练的分析模型，难以在海量数据上取得满意的情感分类效果，因此需要从社会媒体中分析社会媒体情感，并用于丰富训练用数据以提升分析模型的性能。

发明内容

为了解决现有技术中的上述问题，即为了解决当前的开源词典质量普遍不高，不全面，无法根据具体领域构建针对性的情感词典问题，以及用于情感分析的机器模型在社会媒体平台上用语的灵活多变时，由于训练用数据的有限性，难以在海量数据上取得满意的情感分类效果。本发明采用以下技术方案以解决上述问题：

第一方面，本申请提供了一种基于社会媒体的多层级情感分析方法，该方法包括：获取社会媒体中待进行情感分析的文本信息；对上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上述文本信息的情感，上述情感特征分析包括基于情感词典对上述文本信息进行情感分析，以及基于情感分析模型对上述文本信息进行情感分析；其中，上述基于情感词典对上述文本信息进行情感分析，包括：

对上述文本信息进行分词处理，根据分词处理结果从上述文本信息中提取情感词；根据预设的情感词典确定各上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，确定上述文本信息的情感。

在一些示例中，上述情感词包括正向情感指示词和负向情感指示词，以及上述根据具有相同情感取向的情感词的数目，确定上述文本信息的情感，包括：分别判断上述情感信息中正向情感指示词和负向情感指示词的数目；根据上述正向情感指示词和负向情感指示词的数目的差值确定上述文本信息的情感；其中，上述差值为正，确定上述文本信息表达正向情感，上述差值为负，确定上述文本信息表达负向情感。

在一些示例中，上述预设的情感词典包括正面情感库和负面情感库，上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：