[发明专利]一种跨领域情感分析方法

权利要求书

1.一种跨领域情感分析方法，该方法的特征在于包括：

S1：针对源领域的情感文本集合，计算其特征词集合上的一个联合分布p_S(.)；针对目标领域上的情感文本集合，计算其特征词集合上的一个联合分布p_T(.)；在源领域特征词集合W_S和目标领域特征词集合W_T组成的集合W_S∪W_T中学习一个特征词优先顺序，且优先顺序满足W_S∩W_T优于(W_S∪W_T)-(W_S∩W_T)；

S2：领域特征词集合中的每一个特征词依次对应特征模型的一个节点；领域特征词集合中任意两个特征词u和v，如果两个特征词的依赖度大于预设阀值时，则对应节点u和v之间存在边u―v；对任意边u―v，如果满足u优先于v则定义有向边u→v；如果v优先于u则定义有向边v→u；学习源领域特征的参数，参数包括每一个节点u在其父节点pa_S(u)条件下的条件概率表p_S(u|pa_S(u))，而且p_S(u|pa_S(u))通过联合分布p_S(.)计算得到；学习目标领域特征模型的参数，参数每一个节点u在其父节点pa_T(u)条件下的条件概率表p_T(u|pa_T(u))，而且p_T(u|pa_T(u))通过联合分布p_T(.)计算得到；

S3：将所有特征词W=W_S∪W_T定义为全局节点；对任意特征u,v∈W，如果在一个领域特征模型中u和v之间存在边，则在全局特征词模型u和v之间存在相同的边；如果任意特征u,v∈W_T∩W_S，如果u和v在源领域特征模型中或者目标领域特征模型中不存在边，那么删除u和v之间的边；计算全局特征模型的参数；

S4：基于全局特征模型，对源领域或目标领域的文本，计算该文本特征词都出现的条件下其它特征词的后验概率，根据后验概率从大到小的顺序选择β个特征词扩展到该文本特征中，β为正整数；

S5：基于扩展之后的标签样本，训练分类器；基于分类器预测目标领域未知类别的情感文本的情感倾向。