[发明专利]特征扩展卷积神经网络的案件微博观点句识别构建方法

说明书

本发明涉及特征扩展卷积神经网络的案件微博观点句识别构建方法，属自然语言处理领域。本发明包括：构建案件微博数据库；对案件微博数据库中的评论进行标注，形成案件微博评论的训练集和测试集；对案件的多个微博原文进行关键词的抽取；从案件原文中提取出的关键词作为特征扩展和训练集案件微博评论向量化后进行拼接得到新的向量；将关键词作为特征扩展和案件微博评论向量化后进行拼接得到新的向量作为输入来训练卷积神经网络，再把测试集输入到训练好的卷积神经网络进行观点句的识别分类。本发明实现了从案件微博原文中获取关键词作为特征扩展，从获取的舆情数据中识别出所需观点句，为后续对观点句进行情感倾向性分析提供了支撑。

技术领域

本发明涉及特征扩展卷积神经网络的案件微博观点句识别构建方法，属于自然语言处理技术领域。

背景技术

案件微博是指与案件相关热点事件为焦点的互联网微博。与一般的新闻微博相比，案件微博能够在短时间内引发案件相关热点话题，导致社会舆情爆发。如能及时地处理这一类舆情事件的相关信息，从获取的舆情数据中识别出所需观点句，对观点句进行情感倾向性分析，正确地引导舆情，就能有效的降低舆情事件造成的负面影响。

发明内容

本发明提供了特征扩展卷积神经网络的案件微博观点句识别构建方法，以用于对案件微博观点句进行识别，解决了案件微博观点句识别准确率低和单一模型识别能力不足等问题。

本发明的技术方案是：特征扩展卷积神经网络的案件微博观点句识别构建方法，所述方法的具体步骤如下：

Step1、构建案件微博数据库；

Step2、对案件微博数据库中的评论进行标注，形成案件微博评论的训练集和测试集；

Step3、利用textRank算法对案件的多个微博原文进行关键词的抽取；

Step4、从案件原文中提取出的关键词作为特征扩展和训练集案件微博评论向量化后进行拼接得到新的向量；

Step5、将从案件原文中提取出的关键词作为特征扩展和案件微博评论向量化后进行拼接得到新的向量作为输入来训练卷积神经网络，再把测试集输入到训练好的卷积神经网络进行观点句的识别分类。

作为本发明的优选方案，所述步骤Step1的具体步骤为：

Step1.1、采用基于Scrapy框架的爬虫从新浪微博上爬取相关案件微博原文及评论；

Step1.2、再对案件微博原文及评论进行过滤筛选，从而构建案件微博数据集，最终得到案件微博的数据库；

过滤筛选的方式如下所示：

Step1.2.1、对微博博文按照转发关系“//”进行划分，用于保证转发微博下面的评论是基于原始微博进行分析的；

Step1.2.2、删除微博评论里“＠+用户名+回复”这样的结构，且删除无关超链接广告；

Step1.2.3、对连续出现多个标点符号情况，采用首位标点符号进行替换，并去除微博评论内容中的表情符号；

Step1.2.4、对小于七个字符的评论数据进行过滤筛除，用于保证评论内容的完整和可用性。

作为本发明的优选方案，所述步骤Step2中：

案件微博数据库的评论数据采用人工标注，以一条微博原文为单位对包含的评论数据进行标注工作；

其中，一句微博评论中既包含观点又包含案件相关要素，标注为0；其他视为非观点句，标注为1；三人盲判取交集，最终获得观点句的标注结果。

作为本发明的优选方案，所述步骤Step3的具体步骤如下：