[发明专利]基于情感传播的隐式情感词典生成方法

说明书

本发明涉及计算机领域，具体是基于情感传播的隐式情感词典生成方法，包括如下步骤：步骤一、通过网络爬虫技术提取出社交媒体中的文本数据，并对非正式文本数据进行处理，恢复成自然语言；步骤二、通过词法与句法分析将句子构成句法树，将句法树中的名词、动词以及形容词提取出来构建成为完全图；步骤三、在完全图中进行情感传播，当情感传播结束后即可获得隐式情感词典，解决了隐式情感词典的构建通过人工标注数据，耗费人力物力以及时间的问题。

技术领域

本发明涉及计算机领域，具体是指基于情感传播的隐式情感词典生成方法。

背景技术

现阶段针对隐式情感词典的构建是通过人工标注数据的方式实现，这是一种十分耗费人力物力以及时间的工作。

Stanford CoreNLP是斯坦福大学制作的开源NLP(Natural LanguageProcessing)工具，能够对中文进行词法与句法分析，以及命名实体识别；PolarityRank算法是结合了PageRank算法与Hits算法，通过情感传播，对词语图中情感值进行排名的一种算法；通过引入外部知识，可以更容易的得到初始情感值，减轻人为打标签的负担。

通过将上述三种方法引入隐式情感词典的构建，能够最大程度的解决人工标注耗费人力物力以及时间的问题。

发明内容

基于以上问题，本发明提供了基于情感传播的隐式情感词典生成方法，解决了隐式情感词典的构建通过人工标注数据，耗费人力物力以及时间的问题。

为解决以上技术问题，本发明采用的技术方案如下：

基于情感传播的隐式情感词典生成方法，包括如下步骤：

步骤一、通过网络爬虫技术提取出社交媒体中的文本数据，并对非正式文本数据进行处理，恢复成自然语言，恢复后的文本数据记为S＝{s₁,s₂,s₃,......,s_n}，其中，s_n表示第n个恢复成自然语言的句子；

步骤二、将恢复后的文本数据S＝{s₁,s₂,s₃,......,s_n}构建成为句法树T＝{t₁,t₂,t₃,......,t_n}，其中t_n表示第n个生成的句法树，将句法树中的名词、动词以及形容词提取出来构建成为完全图G＝{G₁,G₂,......,G_n}，其中G_n表示第n个由句法树生成的完全图；

步骤三、在完全图G_n中进行情感传播，当情感传播结束后即可获得隐式情感词典；

所述步骤三具体包括：

步骤31、完全图G_n每个节点的词语称为显示情感词语v_i，引入大连理工情感词典本体为显示情感词语v_i分配初始情感值，其中，预设显示情感词语v_i的情感值为同时，需要对情感值作归一化处理；

步骤32、预设完全图g_n中每个节点的显示情感词语v_i有两个情感值和其中，是词语的正向情感值，是负向情感值，根据大连理工情感词典本体的情感极性，为显示情感词语v_i的两个情感值和分配初始情感值；

步骤33、情感传播开始后，计算显示情感词语v_i的传播率、受到邻居节点的影响、错别字与词语错误搭配的情况、情感传播以及情感不传播的情况；

步骤34、每次情感传播后计算情感词语v_i更新后的情感值；