一種基于微博群環(huán)境的微博多模態(tài)情感分析方法
【專利摘要】本發(fā)明公開了一種基于微博群環(huán)境的微博多模態(tài)情感分析方法，其特征是按如下步驟進行：1、獲取微博數據；2、提取所述微博文本內容和所述評論內容的第一模態(tài)文本特征；3、提取所述評論內容的第二模態(tài)特征；4、將所述第一模態(tài)文本特征和第二模態(tài)特征進行結合獲得最終特征向量；5、對微博數據進行情感標記處理并獲得多模態(tài)情感訓練模型；6、預測待測試微博文本內容的情感狀態(tài)。本發(fā)明能夠進一步結合微博評論內容對微博文本內容進行特征提取，從而提高微博情感狀態(tài)判斷的準確度。
【專利說明】一種基于微博群環(huán)境的微博多模態(tài)情感分析方法
【技術領域】
[0001]本發(fā)明屬于自然語言處理技術與情感計算領域，具體地說，是一種基于微博群環(huán)境的微博多模態(tài)情感分析方法。
【背景技術】
[0002]隨著電子商務、微博、網絡新聞媒體等信息交流和交易平臺的大行其道，使得相關的評論和微博數據呈井噴式增長。面對如此海量的數據，如何從其中提取有利于各方的有用信息，已經成為了現如今各領域的研究熱點。文本傾向性判斷作為其中的研究方向，亦被作為數據價值性分析的重要依據之一。
[0003]微博，微博客的簡稱，隨著社交網絡興起，微博不再只是人們工作和生活中情感表達的方法，而更多是被用作為人與人之間的交流和溝通的方式。又因為微博承載的信息量龐大，表達的情感豐富，成為了相關研究重要的數據來源。因此近來有關微博數據的分析處理已經成為國內外研究熱點。例如:對新聞軼事，產品評價，娛樂事件等內容的微博用戶的關注度進行統(tǒng)計，關注信息進行分析等。
[0004]現有的文本情感分類相關問題的解決大部分是僅僅基于文本特征提取的方法。其中對于多數文本特征提取只考慮了詞表面含義，且并沒有進一步在語義層面上對文本進行分析，從而導致了情感分析不夠準確。由于微博屬于句子級的文本，在情感分析時候特征的選擇也受到了篇幅的限制，現有的微博情感分析方法只是對于微博文本內容進行特征的提取，而忽略了微博文本所處的情感環(huán)境，即沒有從微博評論的角度出發(fā)，考慮對微博文本內容的情感表達，以及微博用戶與微博好友之間的互動。

【發(fā)明內容】

[0005]本發(fā)明是為了克服現有技術存在的不足之處，提出一種基于微博群環(huán)境的微博多模態(tài)情感分析方法，能夠進一步結合微博評論內容對微博文本內容進行特征提取，從而提高微博情感狀態(tài)判斷的準確度。
[0006]本發(fā)明為解決技術問題采取如下技術方案:
[0007]本發(fā)明一種基于微博群環(huán)境的微博多模態(tài)情感分析方法，所述微博群環(huán)境是由微博用戶和微博用戶好友構成，所述微博多模態(tài)情感分析方法的特點是按如下步驟進行:
[0008]步驟1:獲取微博數據:
[0009]步驟1.1:獲取所述微博用戶的賬號ID ；
[0010]步驟1.2:根據所述微博用戶的賬號ID，調用微博的第三方API應用接口獲得所述微博數據；所述微博數據包括微博文本內容、所述微博文本內容的評論內容、所述微博文本內容的評論數目和微博評論者；
[0011]步驟2:提取所述微博文本內容和所述評論內容的第一模態(tài)文本特征:
[0012]步驟2.1:對所述微博文本內容和所述評論內容分別進行分詞和詞性標注處理獲得預處理后的文本內容和預處理后的評論內容；[0013]步驟2.2:利用情感詞典獲得所述預處理后的文本內容和預處理后的評論內容中的情感詞以及所述情感詞對應的情感值；
[0014]步驟2.3:對所述預處理后的文本內容和預處理后的評論內容構建語法樹并獲得所述情感詞的修飾成分；
[0015]步驟2.4:根據所述情感詞的修飾成分調整所述情感詞的情感值獲得所述情感詞的最終情感值；
[0016]步驟2.5:將所述情感詞和所述情感詞的最終情感值作為第一模態(tài)文本特征并用文本特征向量r/表示；
[0017]步驟3:提取所述評論內容的第二模態(tài)特征:
[0018]步驟3.1:根據所述微博文本內容的評論數目繪制微博群環(huán)境圖；
[0019]步驟3.2:利用所述微博群環(huán)境圖獲取所述微博用戶與所述微博評論者對所述評論內容的第二模態(tài)特征并用微博群環(huán)境向量^表示；
[0020]步驟4:將所述第一模態(tài)文本特征和第二模態(tài)特征進行結合獲得最終特征向量:
[0021]步驟4.1:利用式⑴獲得矩陣向量^
【權利要求】
1.一種基于微博群環(huán)境的微博多模態(tài)情感分析方法，所述微博群環(huán)境是由微博用戶和微博用戶好友構成，其特征是，所述微博多模態(tài)情感分析方法按如下步驟進行: 步驟1:獲取微博數據: 步驟1.1:獲取所述微博用戶的賬號ID ； 步驟1.2:根據所述微博用戶的賬號ID，調用微博的第三方API應用接口獲得所述微博數據；所述微博數據包括微博文本內容、所述微博文本內容的評論內容、所述微博文本內容的評論數目和微博評論者； 步驟2:提取所述微博文本內容和所述評論內容的第一模態(tài)文本特征: 步驟2.1:對所述微博文本內容和所述評論內容分別進行分詞和詞性標注處理獲得預處理后的文本內容和預處理后的評論內容； 步驟2.2:利用情感詞典獲得所述預處理后的文本內容和預處理后的評論內容中的情感詞以及所述情感詞對應的情感值； 步驟2.3:對所述預處理后的文本內容和預處理后的評論內容構建語法樹并獲得所述情感詞的修飾成分； 步驟2.4:根據所述情感詞的修飾成分調整所述情感詞的情感值獲得所述情感詞的最終情感值； 步驟2.5:將所述情感詞和所述情感詞的最終情感值作為第一模態(tài)文本特征并用文本特征向量i/表示；` 步驟3:提取所述評論內容的第二模態(tài)特征: 步驟3.1:根據所述微博文本內容的評論數目繪制微博群環(huán)境圖； 步驟3.2:利用所述微博群環(huán)境圖獲取所述微博用戶與所述微博評論者對所述評論內容的第二模態(tài)特征并用微博群環(huán)境向量G表示； 步驟4:將所述第一模態(tài)文本特征和第二模態(tài)特征進行結合獲得最終特征向量: 步驟4.1:利用式(I)獲得矩陣向
【文檔編號】G06F17/30GK103729456SQ201410006867
【公開日】2014年4月16日 申請日期:2014年1月7日 優(yōu)先權日:2014年1月7日
【發(fā)明者】孫曉, 李承程, 孫重遠, 高飛, 陳煒亮, 任福繼 申請人:合肥工業(yè)大學