[发明专利]一种跨领域情感分析方法

摘要

本发明属于数据挖掘技术领域，公开了一种跨领域情感分析方法。本发明将源领域和目标领域看作全局的边缘分布，并基于贝叶斯网进行建模；然后，通过源领域特征模型和目标领域特征模型构建全局特征模型；第三，通过全局特征模型建立全局特征之间的关联，实现源领域和目标领域的特征扩展；最后，基于扩展的标签样本训练分类器，并使用分类器对目标领域非标签样本进行预测。通过本发明能够有效地缩小领域间距离，为标签样本不足的目标领域进行分析提供技术支持。

主权项

1.一种跨领域情感分析方法，该方法的特征在于包括：S1：针对源领域的情感文本集合，计算其特征词集合上的一个联合分布pS(.)；针对目标领域上的情感文本集合，计算其特征词集合上的一个联合分布pT(.)；在源领域特征词集合WS和目标领域特征词集合WT组成的集合WS∪WT中学习一个特征词优先顺序，且优先顺序满足WS∩WT优于(WS∪WT)‑(WS∩WT)；S2：领域特征词集合中的每一个特征词依次对应特征模型的一个节点；领域特征词集合中任意两个特征词u和v，如果两个特征词的依赖度大于预设阀值时，则对应节点u和v之间存在边u―v；对任意边u―v，如果满足u优先于v则定义有向边u→v；如果v优先于u则定义有向边v→u；学习源领域特征的参数，参数包括每一个节点u在其父节点paS(u)条件下的条件概率表pS(u|paS(u))，而且pS(u|paS(u))通过联合分布pS(.)计算得到；学习目标领域特征模型的参数，参数每一个节点u在其父节点paT(u)条件下的条件概率表pT(u|paT(u))，而且pT(u|paT(u))通过联合分布pT(.)计算得到；S3：将所有特征词W=WS∪WT定义为全局节点；对任意特征u,v∈W，如果在一个领域特征模型中u和v之间存在边，则在全局特征词模型u和v之间存在相同的边；如果任意特征u,v∈WT∩WS，如果u和v在源领域特征模型中或者目标领域特征模型中不存在边，那么删除u和v之间的边；计算全局特征模型的参数；S4：基于全局特征模型，对源领域或目标领域的文本，计算该文本特征词都出现的条件下其它特征词的后验概率，根据后验概率从大到小的顺序选择β个特征词扩展到该文本特征中，β为正整数；S5：基于扩展之后的标签样本，训练分类器；基于分类器预测目标领域未知类别的情感文本的情感倾向。