[发明专利]基于语义特征的评价对象识别方法

说明书

基于语义特征的评价对象识别方法，属于文本挖掘领域，其特征在于：将短文本评价对象提取的问题转化为信息提取的问题，先对短文本语料进行预处理，自定义特征模板，根据模板在短文本中提取相应的特征，利用条件随机场模型进行评价对象识别。本发明不仅考虑了词法特征，也引入语义特征，充分利用了上下文信息；本发明引入语义特征，并且结合词特征提高了评价对象提取的精确性。

技术领域

本发明涉及一种基于语义特征(Semantic features)的评价对象识别方法，属于文本挖掘领域。

背景技术

近年来，随着互联网的普及以及电子商务的快速发展，越来越多的消费者喜欢在网上购买自己喜欢的商品，为了表达自己对于商品的态度，消费者会在电商平台上发表评论，这也导致网络评论急剧增加，形成了具有商业价值的大数据集。利用自然语言处理技术挖掘这些网络评论数据集中包含的情感，进行情感分析，对于商家与消费者都有一定的指导意义。伴随着情感分析的研究不断深入，细粒度的情感分析也被越来越多的学者所关注。细粒度情感分析就是以评价单元为基础的情感倾向性分析，所谓评价单元就是由评价对象与具有情感色彩的词语或短语构成的特征观点对。因此评价对象的识别是细粒度情感分析的基础。

评价对象一般为一个句子所讨论的主题，在评论文本中主要表现为评价词的修饰对象。评价对象识别最早是由Liu Bing提出，将有着较高频率的名词或者名词性短语视为评价对象。评价对象识别的研究，在初期一般是基于规则/模板的方法，制定的规则包括词序列规则、词性规则、句法规则等形式。Kim等借助制定的模板理解词与词之间的语义关系，从而将语义角色映入到框架中，以新闻文本作为数据集，识别出文中的观点、观点持有者、以及相关主题。除此之外，一些学者利用关联规则挖掘的方法找出频繁出现的候选评价对象，接着使用两种剪枝的方法去除候选对象中错误样例。

随着主题模型的兴起，越来越多的学者将其应用到情感分析领域，而且由于评价对象一般为句子中讨论的主题，因此可以使用主题模型来进行评价对象的识别。有学者使用多粒度的主题模型挖掘商品评论文本中的评价对象，并且zhang等在此基础上对相似的评价对象进行聚类，一定程度上提改了识别的召回率。接着，也有学者将主题模型与最大熵模型相结合，识别出评论中的评价对象、评价词。

近年来，随着条件随机场模型在中文分词、词性标注、命名实体识别等自然语言处理任务中取得的进展，有学者开始提出将其应用在评价对象识别上。Niklas Jako等提出将评价对象识别任务看作标记任务，使用单一特征、单一模板进行评价对象识别。国内一些学者根据中文文本的特点，提出基于句法结构或是基于词性特征与句法分析结合的评价对象识别方法，较好地利用了上下文信息。Ge Wang等利用条件随机场模型与词特征进行了跨领域的评价对象识别。

发明内容

本发明目的是为了能够充分利用短文本的上下文信息提高评价对象提取的精度，将短文本评价对象的识别问题转化为信息提取问题，引入短文本句子的语义特征从而引入更多的上下文信息，实现了一种基于语义特征的评价对象识别方法。

基于语义特征的评价对象识别方法，其特征在于：先对评论语料进行预处理；自定义特征模板，根据模板在评论语料中提取相应的特征；利用条件随机场模型进行评价对象识别。

所述评价对象识别方法包括下述步骤：

(1)数据预处理：即通过网络爬虫在电商网站的在线评论中获得文本语料，对评论语料进行分词、词性标注、情感词标注以及语义角色分析，从评论语料中获取词特征、词性特征、情感词特征、语义角色特征；

(2)训练模型：将数据预处理的评论语料中抽取五分之四作为训练集，从训练集中提取的特征来训练自定义的特征模板，根据训练结果得到每个特征的权重；