[发明专利]一种跨领域情感分析方法

说明书

本发明属于数据挖掘技术领域，公开了一种跨领域情感分析方法。本发明将源领域和目标领域看作全局的边缘分布，并基于贝叶斯网进行建模；然后，通过源领域特征模型和目标领域特征模型构建全局特征模型；第三，通过全局特征模型建立全局特征之间的关联，实现源领域和目标领域的特征扩展；最后，基于扩展的标签样本训练分类器，并使用分类器对目标领域非标签样本进行预测。通过本发明能够有效地缩小领域间距离，为标签样本不足的目标领域进行分析提供技术支持。

本发明属于数据挖掘技术领域，涉及一种跨领域情感分析方法，更为具体地讲，涉及一种基于贝叶斯网的跨领域情感分析方法。

背景技术

情感文本指的是带有主观情感倾向的文本。对文本的情感倾向进行分析，是舆情监控、口碑分析、话题监控等应用的重要技术基础。跨领域情感分析，研究的是在情感带有主题相关性和领域相关性、以及目标领域样本稀疏的条件下，如何充分利用相关源领域样本进行分析的技术问题。跨领域情感分析的关键就是缩小领域间的差异。目前跨领域情感分析主要的方法是基于传统机器学习的方法，如SFA(Spectral Feature Alignment)方法。SFA方法用图普聚类对特征进行聚类，以达到将源领域和目标领域的特征映射到同一个空间的目的。其次，是基于深度学习的分析方法，例如贾熹滨等提出“一种建立大规模跨领域文本情感倾向性分析框架的方法”(2016年11月9日公布的，公布号为CN106096004A的中国发明专利申请)。然而，基于深度学习的方法往往需要调整大量的参数，而且对源领域和目标领域之间差异没有足够重视。针对文本特征扩展的思想，袁满等提出的“一种基于频繁词集的短文本特征扩展方法”(《东南大学学报》，2014，第44卷第2期)，该方法基于二元共现关系，利用可信度和支持度，将相关词扩展到同一领域的短文本中。贝叶斯网是每个结点都有一张概率表的有向无环图，不仅可以有效地表示不确定性知识，同时为知识的推理和分析提供了直观、有效、可靠的计算方法。

本发明利用贝叶斯网可以有效地进行知识表示和推理的优点，通过构建全局特征模型，将所有特征词之间依赖关系表示在一个知识网络中，并利用贝叶斯网的推理将这些知识结合进行特征扩展，为缩小领域间的差异提供有效的支持。

发明内容

针对现有技术中存在的不足，本发明在现有技术的基础上提出一种基于贝叶斯网的跨领域情感分析方法，利用贝叶斯网对不确定性知识表示和推理的能力，通过全局特征模型、建立源领域和目标领域之间的特征词之间的关系。具体来说，本发明具体技术方案包括：

第一步：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；其中，所述的特征词优先顺序满足领域间的共同特征词W_S∩W_T优先于其它特征词W_S-W_T和W_T-W_S；