一種文本情緒極性的識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及自然語言分析技術(shù)領(lǐng)域，尤其是一種文本情緒極性的識別方法及裝 置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)中出現(xiàn)了大量對于人物、事件、產(chǎn)品等內(nèi)容進(jìn)行的評 論，一些數(shù)據(jù)監(jiān)測系統(tǒng)需要收集評論信息，并需要對評論信息進(jìn)行情緒極性的分析，從而了 解評論者對于被評論對象的觀點(diǎn)或態(tài)度。
[0003] 其中，情緒極性指的是評論者通過文本表達(dá)出的情緒類型，如褒義情緒（正極性 情緒）或貶義情緒（正極性情緒）。例如，評論內(nèi)容為"聽到昨晚發(fā)生的上海外灘踩踏事件， 我感到非常悲痛"，該評論文本的情緒極性為貶義情緒。又如，評論內(nèi)容為"我非常期待這次 產(chǎn)品發(fā)布會，因?yàn)樵跁蠈l(fā)布運(yùn)用了最新定位技術(shù)的導(dǎo)航儀"，該評論文本的情緒極性為 褒義情緒。
[0004] 為了實(shí)現(xiàn)數(shù)據(jù)監(jiān)測系統(tǒng)對網(wǎng)絡(luò)文本的監(jiān)測，需要對網(wǎng)絡(luò)文本的情緒極性進(jìn)行識 別。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本申請?zhí)峁┝艘环N文本情緒識別方法及裝置，用以實(shí)現(xiàn)對文本表達(dá)情 緒極性的識別。為實(shí)現(xiàn)所述目的，本發(fā)明提供的技術(shù)方案如下：
[0006] -種文本情緒極性的識別方法，包括：
[0007] 獲取多條待識別文本；
[0008] 利用預(yù)先構(gòu)建的分類器，分別確定每條所述待識別文本各自的多個極性概率值；
[0009] 將各自的多個極性概率值中的最大值對應(yīng)的情緒極性確定為每條所述待識別文 本各自的情緒極性。
[0010] 可選地，上述的文本情緒極性的識別方法中，所述分類器的構(gòu)建方法包括：
[0011] 獲取已標(biāo)注的第一語言類型的語料，并將所述第一語言類型的語料翻譯為第二語 言類型的語料；其中，所述已標(biāo)注的第一語言類型的語料具有情緒極性標(biāo)簽；
[0012] 當(dāng)存在已確定出情緒極性的文本時，將所述第二語言類型的語料及所述文本確定 為訓(xùn)練集；
[0013] 當(dāng)不存在已確定出情緒極性的文本時，將所述第二語言類型的語料確定為訓(xùn)練 集；
[0014] 利用預(yù)設(shè)訓(xùn)練算法，對所述訓(xùn)練集進(jìn)行訓(xùn)練，獲得分類器。
[0015] 可選地，上述的文本情緒極性的識別方法中，所述第一語言類型的語料為英文語 料，所述第二語言類型的語料為中文語料。
[0016] 可選地，上述的文本情緒極性的識別方法中，所述利用預(yù)先構(gòu)建的分類器，分別確 定每條所述待識別文本各自的多個極性概率值包括：
[0017] 利用預(yù)先構(gòu)建的最大熵分類器，分別確定每條所述待識別文本各自的多個極性概 率值。
[0018] 本申請還提供了一種文本情緒極性的識別裝置，包括：
[0019] 待識別文本獲取單元，用于獲取多條待識別文本；
[0020] 分類器分類單元，用于利用預(yù)先構(gòu)建的分類器，分別確定每條所述待識別文本各 自的多個極性概率值；
[0021] 情緒極性確定單元，用于將各自的多個極性概率值中的最大值對應(yīng)的情緒極性確 定為每條所述待識別文本各自的情緒極性。
[0022] 可選地，上述的文本情緒極性的識別裝置中，包括分類器構(gòu)建單元，用于構(gòu)建分類 器；其中，所述分類器構(gòu)建單元包括：
[0023] 第二語料獲取子單元，用于獲取已標(biāo)注的第一語言類型的語料，并將所述第一語 言類型的語料翻譯為第二語言類型的語料；其中，所述已標(biāo)注的第一語言類型的語料具有 情緒極性標(biāo)簽；
[0024] 第一訓(xùn)練集確定子單元，用于當(dāng)存在已確定出情緒極性的文本時，將所述第二語 言類型的語料及所述文本確定為訓(xùn)練集；
[0025] 第二訓(xùn)練集確定子單元，用于當(dāng)不存在已確定出情緒極性的文本時，將所述第二 語言類型的語料確定為訓(xùn)練集；
[0026] 分類器構(gòu)建子單元，用于利用預(yù)設(shè)訓(xùn)練算法，對所述訓(xùn)練集進(jìn)行訓(xùn)練，獲得分類 器。
[0027] 可選地，上述的文本情緒極性的識別裝置中，所述第二語料獲取子單元獲取到的 第一語言類型的語料為英文語料，所述第二語料獲取子單元翻譯為的第二語言類型的語料 為中文語料。
[0028] 可選地，上述的文本情緒極性的識別裝置中，所述分類器分類單元包括：
[0029] 最大熵分類器分類子單元，用于利用預(yù)先構(gòu)建的最大熵分類器，分別確定每條所 述待識別文本各自的多個極性概率值。
[0030] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：
[0031] 由以上可知，本發(fā)明提供的文本情緒極性的識別方法，利用預(yù)先構(gòu)建的分類器，可 以確定出待識別文本在不同情緒極性類別中的極性概率值，將最大極性概率值對應(yīng)的情緒 極性確定為待識別文本的情緒極性，從而確定出了待識別文本的情緒極性。
【附圖說明】
[0032] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0033] 圖1為本申請?zhí)峁┑奈谋厩榫w極性的識別方法的流程圖；
[0034] 圖2為本申請?zhí)峁┑臉?gòu)建分類器的流程圖；
[0035] 圖3為本申請?zhí)峁┑奈谋厩榫w極性的識別裝置的結(jié)構(gòu)示意圖；
[0036] 圖4為本申請?zhí)峁┑奈谋厩榫w極性的識別裝置的另一結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0037] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于 本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0038] 見圖1，其示出了本發(fā)明實(shí)施例提供的文本情緒極性的識別方法的流程，具體包括 以下步驟：
[0039] 步驟S101 :獲取多條待識別文本。
[0040] 其中，待識別文本為從網(wǎng)絡(luò)中抓取到的文本，如微博、論壇、貼吧等，當(dāng)然，本實(shí)施 并不局限于網(wǎng)絡(luò)文本，還可以是其他各種載體中的信息文本，如報刊、雜志等。
[0041] 需要說明的是，待識別文本可以理解為一條語句，如"聽到昨晚發(fā)生的人群踩踏事 件，我感到非常悲痛"，也就是說，本步驟中獲取到多條語句。
[0042]步驟S102 :利用預(yù)先構(gòu)建的分類器，分別確定每條所述待識別文本各自的多個極 性概率值。
[0043]其中，分類器是利用訓(xùn)練方法對訓(xùn)練集進(jìn)行學(xué)習(xí)訓(xùn)練生成的分類模型，可以對輸 入的待識別文本進(jìn)行分類。分類器自身可以識別出多個情緒類別，情緒類別也就是情緒極 性，如正極性情緒、中極性情緒以及負(fù)極性情緒。本步驟中，計(jì)算待識別文本在每種情緒類 別中的概率值，從而獲得多個極性概率值。可見，極性概率值表征的是待識別文本分別屬于 各個不同情緒類別的概率。
[0044] 需要說明的是，針對每個待識別文本，均計(jì)算在每種情緒類別中的概率值。從而， 每個待識別文本具有各自的多個極性概率值。例如，待識別文本分別為文本1及文本2,其 中，文本1的多個極性概率值為Pll、P12及P13,文本2的多個極性概率值為P21、P22及 P23〇
[0045] 步驟S103 :將各自的多個極性概率值中的最大值對應(yīng)的情緒極性確定為每條所 述待識別文本各自的情緒極性。
[0046] 其中，針對每個待識別文本，確定各自的多個極性概率值中的最大值，并確定出每 個最大值分別對應(yīng)的情緒極性，進(jìn)而，將各個情緒極性分別確定為各自的待識別文本的情 緒極性。需要說明的是，分類器計(jì)算出的極性概率值具有情緒極性標(biāo)簽，利用情緒極性標(biāo) 簽，可以確定出極性概率值對應(yīng)的情緒極性。
[0047] 例如，文本1的多個極性概率值為P11、P12及P13,最大值為P11，且最大值P11的 情緒極性標(biāo)簽為正情緒極性，進(jìn)而將正情緒極性確定為文本1的情緒極性。
[0048] 由以上的技術(shù)方案可知，本實(shí)施例提供的文本情緒極性的識別方法，利用預(yù)先構(gòu) 建的分類器，可以確定出待識別文本在不同情緒極性類別中的極性概率值，將最大極性概 率值對應(yīng)的情緒極性確定為待識別文本的情緒極性，從而確定出了待識別文本的情緒極 性。
[0