[发明专利]基于主题模型的自展式特征选择方法及系统

摘要

本发明提出一种基于主题模型的自展式特征选择方法及系统，该方法包括以下步骤：获取原始评论数据；选取主题模型，并根据主题模型对原始评论数据进行特征降维、显式特征词和观点词的抽取，并根据显式特征词和观点词生成语义关联规则；根据语义关联规则进行显式特征词和观点词的匹配，得到显式特征词与特征词之间的关联，特征词与观点词之间的关联，观点词与观点词之间的关联，链式地形成特征词和观点词的关联规则，以完成观点挖掘。本发明的方法能有效地抽取相关特征，摒弃无关特征和观点词，极大地减少人工工作量及人工误差。

主权项

1.一种基于主题模型的自展式特征选择方法，其特征在于，包括以下步骤：S1：获取原始评论数据；S2：选取主题模型，并根据所述主题模型对所述原始评论数据进行特征降维、显式特征词和观点词的抽取，并根据所述显式特征词和观点词生成语义关联规则；以及S3：根据所述语义关联规则进行所述显式特征词和观点词的匹配，得到显式特征词与特征词之间的关联，特征词与观点词之间的关联，观点词与观点词之间的关联，链式地形成特征词和观点词的关联规则，以完成观点挖掘，具体包括：对中文文本进行词性标注，并根据标注的词性选出候选特征词和观点词，使用语义关联规则将正确的产品特征和相关的观点词进行匹配，以完成对该产品的观点挖掘，其中，语义关联规则的挖掘依赖于主题模型，当得到每个主题下单词的概率时，概率大的词表示该词与主题语义关联紧密，概率低表示该词与该主题语义关联稀疏，从特征种子词出发，结合特征词、观点词的特有词性及设定不同的阈值，进行特征抽取和观点词筛选和匹配，从而完成观点挖掘。