[发明专利]一种文本情感分类方法、系统、装置及存储介质

说明书

本发明公开了一种文本情感分类方法、系统、装置及存储介质，该方法包括：对文本进行预处理；对预处理后的文本进行统计量计算，得到文本向量；采用卡方统计方法对文本向量进行特征选择，提取出特征向量；对特征向量进行权重计算，得到各个特征向量的权重；结合各个特征向量的权重，基于支持向量机对文本进行分类。该系统包括：预处理模块，统计模块、特征模块、权重模块和分类模块。该装置包括存储器以及用于执行上述文本情感分类方法的处理器。通过使用本发明，可提高文本分类的准确率。本发明作为一种文本情感分类方法、系统、装置及存储介质，可广泛应用于文本分类领域。

技术领域

本发明涉及文本分类领域，尤其涉及一种文本情感分类方法、系统、装置及存储介质。

背景技术

情感分类是自然语言处理领域的一个任务，又称倾向性分析，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。它可以分析文本中作者对特定主体的情感偏好和观点，用于预测电影票房、股票趋势、舆情分析、改进服务及产品、及了解用户的体验等，文本情感分类目前主要研究方法分为基于字典和基于语料库两种，对语料库或字典进行信息挖掘，识别词语的情感倾向，从而得到统计数据并对其极性做出判断，但这两种方法对新词没有词性判别能力，而且由于不是从语义层面判断，分类得到的结果准确率低。

发明内容

为了解决上述技术问题，本发明的目的是提供一种文本情感分类方法、系统、装置及存储介质，可提高文本分类的准确率。

本发明所采用的第一技术方案是：一种文本情感分类方法，包括以下步骤：

对文本进行预处理；

对预处理后的文本进行统计量计算，得到文本向量；

采用卡方统计方法对文本向量进行特征选择，提取出特征向量；

对特征向量进行权重计算，得到各个特征向量的权重；

结合各个特征向量的权重，基于支持向量机对文本进行分类。

进一步，所述对文本进行预处理这一步骤，其具体包括：

获取文本，过滤文本的非法字符并对文本进行分词处理；

去除无关词并统计词频，得到预处理后的文本。

进一步，所述采用卡方统计方法对文本向量进行特征选择具体采用下述公式：

所述t_i是特征项，所述C_j是类别，所述N是文本总数，所述A是包含t_i且属于C_j的数量，所述B是包含t_i但不属于C_j的数量，所述C是属于C_j但不包含t_i的数量，所述D是不属于C_j且不包含t_i的数量。

进一步，所述对特征向量进行权重计算，得到各个特征向量的权重具体采用下述公式：

所述w_ij表示权重，所述tf_ij表示t_i在文本出现的次数，所述n_i表示包含t_i的文本数。

进一步，所述对特征向量进行权重计算，得到各个特征向量的权重还包括对权重进行归一化处理，具体采用下述公式：

所述M表示向量数。

进一步，所述采用卡方统计方法对文本向量进行特征选择，提取出特征向量这一步骤，其具体包括：

对文本向量的特征项进行评分并按照评分大小对特征项进行排序；