[发明专利]一种基于字的中文观点要素情感分析方法

说明书

本发明涉及自然语言处理的技术领域，更具体地，涉及一种基于字的中文观点要素情感分析方法。一种基于字的中文观点要素情感分析方法，其中，包括以下步骤：S1.选取数据集；S2.数据清洗和提取；S3.字嵌入；S4.训练初始化的模型；S5.测试。本发明的优点在于，相比较于传统的中文分词并获得词向量，把句子划分到字级别改用字嵌入方式获得字向量，避免了因中文分词的不准确带来的歧义困扰。

技术领域

本发明涉及自然语言处理的技术领域，更具体地，涉及一种基于字的中文观点要素情感分析方法。

背景技术

观点要素情感分析是指在句子中含有多个观点要素时，对其中一种进行的情感极性判别。区别于句子为整体进行的情感极性判断，一句话中可能含有多个观点要素的描述，它们所表达出来的情感有时并不相同甚至完全相反，不能简单地给它们打上相同的情感极性标签。以这句话为例：“I bought a new camera.The picture quality is amazing butthe buttery life is too short.”从中我们看出作者对新相机的不同方面看法不同：如果是“camera picture”方面，其情感极性是正向的；而“camera buttery”方面则是负面的。

当前，观点要素情感极性判别的方法，大多是先将一句话进行分词(划分成以词为单位的序列)，利用词嵌入(word Embedding)技术获得每个词的词向量，然后输入神经网络(比如卷积神经网络或者循环神经网络)中，融合注意力机制(attention mechanism)对观点要素进行情感极性判断。

中文观点要素情感分析的模型，也采用国外基于英文的观点要素情感分析的方法，只是在分词方面有所区别：英文表达里的词与词之间用空格隔开，分词较为容易；而在中文表达里，词与词之间并没有空格隔开，需要用专门的分词工具进行分词。目前有许多种中文分词工具，比较流行的有jieba和THULAC等。中文分词都是基于统计的分词，其原理是对一句话产生若干种分词选项，利用语料库建立的统计概率计算各种分词选项对应的联合分布概率，找到最大概率对应的分词方法，即为最优分词。

依靠分词工具将中文分词应用到观点要素情感极性判别模型中，可以像英文分词那样直接使用，跨越了不同语言之间的阻隔，在中文情感极性分析领域取得了一定的效果。

尽管中文分词工具在自然语言处理方面取得了一定的成功，但受限于中文的语法和语句结构，中文分词工具准确率也不是百分之百，很容易造成歧义。以这句话为例：“这些乒乓球拍卖得很好”，有两种分词方法：①“这些乒乓球拍卖得很好”；②“这些乒乓球拍卖得很好”，如果我们关注的方面是“乒乓球”，那么显然就无法使用第①种分词。

观点要素情感分析的基础是对句子和观点要素进行分词。观点要素必须与句子的分词结果具有重复性，如果观点要素在句子分词结果中不存在，那么所谓的情感分析就没有任何基础。英文词与词之间用空格隔开，分词之后不存在上述问题，观点要素和句子分词的结果必定有重复的。而中文分词则面临着这方面的问题，正如上一段所举例子，如果“乒乓球”是观点要素，但这个词在第①种分词结果中就不存在，这种情况下就不能做观点要素情感分析。

因此，基于中文分词的观点要素情感分析存在分词导致歧义的缺陷，会最终削弱情感极性判别的效果。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于字的中文观点要素情感分析方法，在进行中文观点要素情感分析之前，为避免因中文分词可能带来的歧义，不使用传统的分词+词嵌入方式获得词向量，而是以更基本的组成——字，代替词并输入观点要素情感分析模型，降低中文观点要素情感极性判别的误差。

本发明的技术方案是：一种基于字的中文观点要素情感分析方法，其中，包括以下步骤：

S1.选取数据集；

S2.数据清洗和提取；

S3.字嵌入；