[发明专利]一种基于情感倾向分析的社交用户生成方法

权利要求书

1.一种基于情感倾向分析的社交用户生成方法，其特征在于，该方法具体是：

步骤(1).以微博内容为基础，采用聚类算法构建语义本体；

步骤(2).获取用户的微博内容并进行预处理，进行情感分类，得到带有情感倾向标记的微博信息；具体是：

(2.1).获取用户微博和关系数据，使用正则化匹配去除标点符号；

(2.2).构建N×P的用户数据矩阵DM，N为用户的数量，P为用户的属性个数，数据矩阵DM的行向量是u_n＝(u_nb₁,u_nb₂,...,u_nb_P)，数据矩阵DM的列向量是b_p＝(u₁b_p,u₂b_p,...,u_nb_P)，u_nb_p表示第n行第p个微博推文属性，n＝1,2,...,N，p＝1,2,...,P；

(2.3).将微博推文属性u_nb_p利用情感分析工具进行情感分析，得到情感分数δ；

(2.4).在每条微博后加上情感标志位E，E＝-1,0,1，分别表示消极、无感和积极；δ＜δ₁时E＝-1，δ₁≤δ＜δ₂时E＝0，δ≥δ₂时E＝1；δ₁和δ₂为两个划分点，δ₂＞δ₁；

步骤(3).将带有情感倾向标记的微博信息进一步处理，得到词袋模型；具体是：

(3.1).获取用户数据矩阵DM，包括具有情感标志位的推文属性；

(3.2).在(2.1)的基础上过滤掉特殊字符，对文本进行统一化大小写处理；

(3.3).使用中文文本分词工具对微博推文进行分词，得到词袋，标注词性；

(3.4).依照中英文停用词表过滤词袋中的停用词；

(3.5).按照词性过滤非动词和非名词，得到词袋模型BM(T)＝[bm₁,bm₂,...,bm_K]；其中，K为词袋模型中词的个数，bm_k表示词袋模型中第k个词，k＝1,2,...,K；

步骤(4).提取词袋模型的词，利用语义本体获取类别信息；具体是：

(4.1).在语义本体中查找与bm等价的语义本体bo,bm∈BM(T)；若查找到，则词bm即为bo；

(4.2).如果在语义本体bo的语义本体描述中存在词bm，则将词bm替换为语义本体bo的名称；

(4.3).如果词bm多次出现，则是多义词，结合关键词矩阵M和上下文语境消除歧义性；

(4.4).将消歧后的词bm按照(4.2)进行替换；

(4.5).如果没有在语义本体bo中找到词bm，在词袋中删除；

(4.6).重复执行(4.1)～(4.5)，遍历词袋模型，得到子类别集合O(T)＝[bo₁,bo₂,...,bo_L]，其中L是微博中语义本体bo的名称个数，bo_l表示第l个语义本体，l＝1,2,...,L；

(4.7).将用户数据矩阵DM的微博推文属性u_nb_p替换为子类别集合O(T)和情感标志位E,表示如下：u_nb_p＝[O₁(T)E₁,O₂(T)E₂,...,O_R(T)E_R]，R为微博个数；

步骤(5).采用投票策略统计带有情感标记的类别信息，添加二级标签，得到最终标签；具体是：

(5.1).对于语义本体bo_l，如果存在于其父类的语义列表中，将其父类语义名称以键的形式存入标签字典，初始化值为1；如果键已存在，值自增1；

(5.2).重复执行(5.1)，遍历第r个微博子类别集合O_r(T)，r＝1,2,...,R，得到微博标签字典Dict_r[Tag]；

(5.3).将微博标签字典的值排序，取排名靠前的标签集合sortTag＝{Tag₁,Tag₂,...,Tag_S}；S为自定义标签个数，Tag_s表示第s个标签本体，s＝1,2,...,S；

(5.4).将sortTag在微博标签字典Dict_r[Tag]中的值与对应的情感标志位E相乘，与属于相同语义本体的值相加，得到某一领域最终的情感倾向权值

(5.5).将情感倾向权值作为二级标签，与sortTag结合得到用户的标签集合H(h₁,h₂,...,h_S)；其中，h_s＝Tag_sWeight_s，s＝1,2,...,S；

(5.6).将数据矩阵DM的属性u_nb_p替换为集合H；

步骤(6).将人口统计信息映射到相应的标签中，构造网络图；具体是：

(6.1).根据用户数据矩阵DM的行向量u_n，将用户的基本资料映射到标签信息上；

(6.2).对于每一个省、市和地区，构建情感网络图和标签网络图，以不同性别下年龄段和类别为情感网络图和标签网络图的图节点，图节点间的边代表该年龄段和性别属于该类别；

(6.3).将该省、市和地区对应的人口统计信息映射到微博属性u_nb_p的集合H中；

如果情感网络图中对应的图节点间未有边相连，把该用户的标签情感权值Weight_em作为边的权值，否则将权值Weight_em与边的权值相加，更新为新的权值；

如果标签网络图中对应的图节点间未有边相连，把图节点连接，初始化边的权值Weight_tag＝1，否则边的权值自增1，更新为新的权值；

(6.4).遍历用户数据矩阵DM，得到最终的基于城市的情感网络图和标签网络图

步骤(7).根据网络图节点间的边权值大小生成用户；具体是：

(7.1).将标签网络图利用深度优先遍历，找到权值最大的边以及相应的顶点对Node(node₁,node₂)；

(7.2).在情感网络图利用深度优先遍历搜寻连结Node(node₁,node₂)的边权值，记为Emotion；

(7.3).将Node中的信息映射到姓名、性别和年龄字典，得到对应的姓名，当作用户名UName；

(7.4).将顶点对中的信息和用户名结合,顶点对的权值作为情感标志位，生成以地区为标准的虚拟用户：U(UName,Age,Area,Gender,Tag,Emotion)；其中，Age表示年龄，Area表示地区，Gender表示性别，Tag表示标签，Emotion表示情感标志位。

2.如权利要求1所述的一种基于情感倾向分析的社交用户生成方法，其特征在于，步骤(1)具体是：

(1.1).爬取用户微博T、用户关系R和用户信息U到数据库中；

(1.2).对用户微博T使用正则表达式过滤特殊字符和字段，以及活跃度低的用户，将英文统一为小写；

(1.3).使用Word2Vec向量化微博T内容，得到以键值对形式表示的语料库文件；语料库文件中每一个词对应一个向量W＝[w₁,w₂,...,w_J]；其中，J是词向量的维数，w_j表示第j维分量，j＝1,2,...,J；

(1.4).遍历并提取语料库中的向量，得到I×J的关键词矩阵M，I表示关键词个数；

(1.5).利用聚类算法聚类关键词矩阵，得到聚类中心和类成员；

(1.6).采用方差分析判断类中心之间差异显著性，确定簇中心，构建语义本体；

(1.7).定义语义本体的存储结构，包括两层：第一层类别存储对应本体名称和语义本体列表，其中本体列表存储子类本体名称和对应的子类本体列表；第二层本体存储对应本体列表中存储自身的描述，采用关键词方式表示；

(1.8).筛选语义本体的子类中不符合或模糊界限的关键词，精炼语义本体。