本發(fā)明涉及一種基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法。

背景技術(shù)：

隨著網(wǎng)絡(luò)輿論成為社會輿論的一種重要表現(xiàn)形式，網(wǎng)絡(luò)輿情也逐漸對有關(guān)部門的決策產(chǎn)生了影響。但由于網(wǎng)絡(luò)輿論是個“自由超市”，加上內(nèi)容“把關(guān)人”的缺席，網(wǎng)絡(luò)輿論的局限性比起傳統(tǒng)媒體環(huán)境中一般意義上的局限更甚。因此，必須對網(wǎng)絡(luò)輿論信息進(jìn)行有效的匯集以及整理，以作進(jìn)一步的引導(dǎo)和控制。

輿情工作者每天面對海量的輿論信息，想要及時發(fā)現(xiàn)負(fù)面敏感信息是非常困難的，亟需完善的文本情感分類方法。近年來，網(wǎng)絡(luò)輿情信息情感的分類方法也在不斷被研究人員推陳出新，現(xiàn)有的主要計算方法有：

1)基于貝葉斯分類器的分類方法

收集一定比例的正面、中性、負(fù)面情感文本語料庫，將文本通過分詞工具預(yù)處理，得到每一種情感分類下的詞匯集合和相應(yīng)的概率。通過貝葉斯分類器進(jìn)行機(jī)器學(xué)習(xí)，在待分類文本到來時，分別計算文本屬于正面、中性、負(fù)面三類集合的概率，得到概率值后，認(rèn)定文本屬于概率值較大的一類，得到情感傾向分析結(jié)果。

2)基于詞典和極性的分類方法

人工構(gòu)建情感詞典庫，其中標(biāo)注有詞匯、分值、極性，同時引入極性判斷規(guī)則，在文本極性發(fā)生變化時，相應(yīng)的情感得分值會取反。在待分類文本到來時，參考預(yù)置的情感詞典庫，對每一個情感詞匯計算得分值，匯總所有的情感詞匯分值后，比對預(yù)先測算出的閾值，判斷目標(biāo)值所處的區(qū)間，以得到文本所屬的情感分類。

現(xiàn)有技術(shù)的缺點(diǎn)如下：

1)貝葉斯分類器模型依賴于其學(xué)習(xí)的語料庫，語料庫的收集和全面性是一大難題。另外，漢語言的復(fù)雜性、語境問題也使得分類結(jié)果會產(chǎn)生較大偏差。

2)輿情領(lǐng)域的情感詞典隨著經(jīng)驗(yàn)的積累會相對完善，但單純考慮情感詞極性對篇章情感的影響不夠全面，忽略了詞性、語義這些對情感結(jié)果作用的因素。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法。該方法通過基礎(chǔ)情感詞典庫，對待分類文本進(jìn)行分詞后，結(jié)合詞典分值、篇章結(jié)構(gòu)、語義和句法多種因素對待分類文本進(jìn)行情感分類，以得到相對更準(zhǔn)確的情感分類結(jié)果。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是，基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法，包括以下步驟：

一、構(gòu)建詞典

通過人工收集和標(biāo)注的形式構(gòu)建情感詞詞典、否定詞詞典、程度詞詞典庫；

情感詞詞典包含詞匯、詞性、情感強(qiáng)度、極性四個屬性；否定詞詞典包含詞匯一個屬性；程度詞詞典包含詞匯、強(qiáng)度兩個屬性；

二、待分類文本拆分

按照篇章-段落-句子-意群子句的結(jié)構(gòu)對待分類文本進(jìn)行拆分，得到若干意群子句；

三、計算意群情感分值

對每一意群子句采用hanlp分詞包分詞，得到詞匯和詞性信息，記為詞匯組；

遍歷詞匯組中的每一個詞匯，同時標(biāo)記程度詞和否定詞出現(xiàn)的位置，依據(jù)詞性類別從情感詞典中取出情感強(qiáng)度，記為得分值，在詞匯極性為負(fù)面時取反；如果情感詞前出現(xiàn)程度詞，則分值在原有基礎(chǔ)上乘以程度詞強(qiáng)度值；如果情感詞前出現(xiàn)否定詞，則分值在原有基礎(chǔ)上取反，否定詞作用可累加；詞匯組中每一個詞匯得分值累加后得到的是意群情感分值；

四、計算文本情感分值

將意群子句情感分值按照文本篇章結(jié)構(gòu)逆向合并即可得到文本情感分值，過程如下：

1)將句子中各意群子句分值累加得到句子分值；

2)將段落中各句子分值取均值得到段落分值；

3)將篇章中各段落分值取均值得到文本篇章分值；

4)由文本篇章分值落入的區(qū)間范圍，判定文章情感傾向性。

本發(fā)明的有益效果是：

通過基于構(gòu)建的詞典庫，結(jié)合文本篇章結(jié)構(gòu)、句法分析內(nèi)容，充分考慮意群子句中否定詞、程度詞的作用和情感詞詞性的影響，能夠更為準(zhǔn)確地計算出文本篇章所表述出的情感傾向性，能更好地適用于網(wǎng)絡(luò)輿情信息情感分類。

附圖說明

下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

圖1是本發(fā)明基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法實(shí)施例的結(jié)構(gòu)示意圖。

圖2是本發(fā)明基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法實(shí)施例的意群子句情感分值計算的流程圖。

圖3是本發(fā)明基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法實(shí)施例的意群子句逆向合并得到文本篇章情感值的過程示意圖。

具體實(shí)施方式

一種基于詞典的網(wǎng)絡(luò)輿情信息情感分類方法，包括以下步驟：

一、構(gòu)建詞典

通過人工收集和標(biāo)注的形式構(gòu)建情感詞詞典(sentilib)、否定詞詞典(negativelib)、程度詞詞典(degreelib)庫。

情感詞詞典包含詞匯(word)、詞性(feature)、情感強(qiáng)度(strength)、極性(polar)四個屬性；否定詞詞典包含詞匯(word)一個屬性；程度詞詞典包含詞匯(word)、強(qiáng)度(strength)兩個屬性。

二、待分類文本拆分

按照篇章-段落-句子-意群子句的結(jié)構(gòu)對待分類文本進(jìn)行拆分，得到若干意群子句。主要包含以下步驟(圖1)：

1)將文本按照篇章結(jié)構(gòu)拆分成段落集合ps＝[p1，p2，…，pn]；

2)對每一個段落按照句子結(jié)構(gòu)拆分成句子集合sts＝[st1，st2，…，stm]；

3)對每一個句子按照逗號“，”分隔符拆分成意群子句集合gs＝[g1，g2，…，gk]。

三、計算意群情感分值

對每一意群子句gi采用hanlp分詞包分詞，得到詞匯和詞性信息，記為詞匯組wordarray＝[word1，word2，…，wordn]。

意群子句gi情感分值sg由詞匯組得分值合并得來，遍歷詞匯組中的每一個詞匯word[i]，按照以下規(guī)則計算分值：

1)將情感詞典中標(biāo)注的情感強(qiáng)度記為得分值ws，在詞匯極性為負(fù)面時取反ws＝ws*(-1)；

2)如果情感詞前出現(xiàn)程度詞，則分值在原有基礎(chǔ)上乘以程度詞強(qiáng)度值ws＝ws*degree；

3)如果情感詞前出現(xiàn)否定詞，則分值在原有基礎(chǔ)上取反ws＝ws*(-1)；如連續(xù)出現(xiàn)否定詞，則依次取反ws＝ws*(-1)；

4)將當(dāng)前詞匯得分值納入意群子句分值中sg＝sg+ws。重復(fù)以上步驟直至本意群子句中所有詞匯分值計算結(jié)束。

圖2是上述意群子句情感分值計算的流程圖。

四、計算文本情感分值

將意群子句情感分值按照文本篇章結(jié)構(gòu)逆向合并即可得到文本情感分值。如圖3所示，過程如下：

1)將句子中各意群子句分值累加得到句子分值sc＝sg[0]+sg[1]+…+sg[k]；

2)將段落中各句子分值取均值得到段落分值sp＝(sc[0]+sc[1]+…sc[n])/m；

3)將篇章中各段落分值取均值得到文本篇章分值s＝(sp[0]+sp[1]+…sp[n])/n；

4)由文本篇章分值落入的區(qū)間范圍，判定文章情感傾向性。s∈(-∞，-1]時，文本情感傾向于負(fù)面；s∈(-1，5]時，文本情感傾向于中性；s∈(5，+∞)時，文本情感傾向于正面。

案例

假定要對文本：“記者在基層調(diào)研發(fā)現(xiàn)，受利益驅(qū)使，企業(yè)環(huán)保數(shù)據(jù)造假的行為仍舊屢禁不止。不斷涌現(xiàn)出來的環(huán)保數(shù)據(jù)造假使數(shù)據(jù)失真，進(jìn)而影響環(huán)保治理決策，長此以往終究危及環(huán)境?！边M(jìn)行情感分類，如圖2所示，過程如下：

1、構(gòu)建詞典

通過人工收集和標(biāo)注的形式構(gòu)建情感詞詞典sentilib、否定詞詞典negativelib、程度詞詞典庫degreelib。

2、待分類文本拆分

1)段落集合ps＝[p1]，其中p1＝“記者在基層調(diào)研發(fā)現(xiàn)，受利益驅(qū)使，企業(yè)環(huán)保數(shù)據(jù)造假的行為仍舊屢禁不止。不斷涌現(xiàn)出來的環(huán)保數(shù)據(jù)造假使數(shù)據(jù)失真，進(jìn)而影響環(huán)保治理決策，長此以往終究危及環(huán)境?！?；

2)句子集合sts＝[st1，st2]，其中st1＝“記者在基層調(diào)研發(fā)現(xiàn)，受利益驅(qū)使，企業(yè)環(huán)保數(shù)據(jù)造假的行為仍舊屢禁不止。”，st2＝“不斷涌現(xiàn)出來的環(huán)保數(shù)據(jù)造假使數(shù)據(jù)失真，進(jìn)而影響環(huán)保治理決策，長此以往終究危及環(huán)境?！保?/p>

3)意群子句集合gs1＝[g11，g12，g13]，gs2＝[g21，g22，g23]，其中g(shù)11＝“記者在基層調(diào)研發(fā)現(xiàn)”，g12＝“受利益驅(qū)使”，以此類推。

3、計算意群情感分值

1)對意群子句g11采用hanlp分詞包分詞，得到wordarray＝[記者/nnt，在/p，基層/n，調(diào)研/vn，發(fā)現(xiàn)/v]；

2)依規(guī)則計算得到sg＝ws1+ws2+ws3+ws4+ws5＝1.0；

3)重復(fù)以上步驟，計算出所有的sg。

4、計算文本情感分值

1)句子分值sc[0]＝sg1[0]+sg1[1]+sg1[2]＝-9.0，

sc[1]＝sg2[0]+sg2[1]+sg2[2]＝-5.0；

2)段落分值sp[0]＝(sc[0]+sc[1])/2＝-7.0；

3)文本篇章分值s＝(sp[0])/1＝-7.0；

4)本例中s∈(-∞，-1]，文本情感傾向于負(fù)面。

以上所述的本發(fā)明實(shí)施方式，并不構(gòu)成對本發(fā)明保護(hù)范圍的限定。任何在本發(fā)明的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。