[发明专利]一种结合情感强度的文本TF-IDF特征重构法

权利要求书

1.一种结合情感强度的文本TF-IDF特征重构法，其特征在于，包括以下步骤：

S1，构建停用词典、程度词典和否定词典，所述的程度词典中的词语为具有情感强度等级的程度副词，所述的否定词典中的词语为否定词；

S2，获取待分析的文本，以标点符号为分界点，将文本分割为多个子句；

S3，遍历子句中的每个词语并记录它们出现的次数和位置，删去其中的停用词，对程度副词后面的词语进行情感强度修正，对否定词后面的词语进行情感极性的翻转；

S4，对每一段待分析的文本新建一个空白字典，用词语作索引，用词语的情感强度、数量作键值，遍历每个词语，如果当前词语是停用词、程度副词或否定词，则跳过该词语不做任何操作；如果现有字典中不包含当前词语，则将该词语存进字典；如果字典中已经存在了当前词语，则更新字典中对应词语的情感强度和数量；

S5，提取文本的TF-IDF特征值，分别将每个词语的TF-IDF值与字典中相应的情感强度相乘，得到重构后的特征值：

TF-IDF_new,w＝TF-IDF_w×deg_w

其中，TF-IDF_new,w为重构后的词语w的TF-IDF特征值，TF-IDF_w为词语w的原始TF-IDF特征值，deg_w为词语w的情感强度；

所述的步骤S4中，当文本中所有词语都存入词典后，还进行词语的情感强度的加权操作，具体包括以下步骤：

1)用词语的总情感强度Dict[w][deg]除以词语出现次数Dict[w][count]，得到文本中词语w的平均情感强度

2)计算词语w的真实情感强度：

其中，M为激励值，N为文本中词语w出现总次数。

2.根据权利要求1所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的停用词典包括英文字符、数字和数学字符。

3.根据权利要求1所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的待分析文本为包含用户名和表情的微博文本，所述的步骤S2中，首先使用正则匹配法对文本中的用户名和表情进行匹配和提取，将它们与普通文本区分开，以避免它们中带情感倾向的词语对整体文本的情感的影响。

4.根据权利要求3所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，文本中的用户名为@符号后的文本，表情为[]符号内的文本。

5.根据权利要求1所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的步骤S2中，每个子句的分界点为标点符号。

6.根据权利要求5所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的标点符号不包括顿号、引号、破折号、单引号和冒号。

7.根据权利要求1所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的步骤S3中，词语的情感强度计算公式为：

其中，deg_w为词语w的情感强度，该词语前面带有m个程度副词，n个否定词，pow为程度副词的强度值。

8.根据权利要求7所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，所述的步骤S3中，若出现否定词在程度副词之前的情况，则对应的词语的的情感强度修正为：

9.根据权利要求1所述的一种结合情感强度的文本TF-IDF特征重构法，其特征在于，该方法在初始化时，先构造一个列表，用于存储训练时出现的所有词语，在步骤S4中，将词语与列表进行对比，当词语为列表中不存在的生词时，使用近义词替换方法，用列表中相似度最高的词语替换该生词。