CN105809186A - 情感分类的方法及系统 - Google Patents

Abstract

本发明涉及一种情感分类的方法及系统，该情感分类的方法包括：根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；根据CBOW‑情感词典训练模型，将标记后的数据作为输入，构建情感词向量词典；根据提供的训练数据查询情感词向量词典，将训练数据转换为第一数学向量，并将第一数学向量送入分类器中，训练分类模型；根据分类模型对社交网络数据进行情感分类。本发明使用情感词矢量来表征文本，由词到向量的过程无需人工干预，降低了传统方法中手动构建和挑选特征的成本，且分类效果优于传统分类方法。

Description

情感分类的方法及系统

技术领域

本发明涉及信息检索域，特别涉及一种情感分类的方法及系统。

背景技术

随着互联网技术的飞速发展，诸如Twitter、Facebook、微博等社交平台的出现，人们可以在网络上对社会事件、企业商品等发表自己的看法和评价，不同用户之间可以相互关注和分享。这些社交网络数据包含了网络用户的大量情感信息，通过分析这些数据，可以掌握网络人群的舆情走向，从而为政府、企业做决策时提供有效依据。其中，情感分析是舆情分析的重要基础，其主要任务是根据网络文本数据，通过分析其中包含的情感极性和语义信息，判定它的情感类别，通常分为正面、负面和中性。

现有技术中的情感分析方法通常是将其看做文本分类的一个特例，只不过分类类别为情感类别，然后利用文本分类的方式去处理，计算每一个字、词或短语在特定情感类别下出现的次数及概率(即简单地来讲是数数机制)。现有技术中是将字、词看做词典的索引序号，是互不相关的，忽略了字词之间所存在的语言关系，存在一定的局限性。

因此本文采用分布式特征来表示字词，将词用一个低维向量来表示，字词之间的关系可以利用向量之间的距离来表征。但是，现有的词矢量在语义关系表征上表现出色，但是忽略了字词所蕴含的情感信息，这就容易出现两个词语语义上虽然相近，但是所表达的情感极性确是相反的。因此，针对这种情况，我们提出了训练带有情感信息的词矢量，并将其应用于Twitter的情感分类中。

发明内容

本发明的目的是解决上述问题，提出了一种情感分类的方法及系统。

为实现上述目的，一方面，本发明提供了一种情感分类的方法，情感分类的方法包括：

根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；

根据CBOW-情感词典训练模型，将标记后的数据转换为空间向量，构建情感词向量词典；

根据提供的训练数据查询情感词向量词典，将训练数据转换为第一数学向量，并将第一数学向量送入分类器中，训练分类模型；

根据分类模型对社交网络数据进行情感分类。

优选地，根据情感符将数据进行标记步骤包括：

根据情感符将数据标记第一情感极性和第二情感极性，第一情感极性为积极的情感数据，第二情感极性为消极的情感数据。

优选地，将标记后的数据转换为空间向量，构建情感词向量词典步骤包括：

将标记后的数据转换为50维或100维空间向量，构建情感词向量词典。

优选地，分类器为隐藏层包含50个神经元的简单神经网络模型。

优选地，在训练分类模型后还包括测试步骤：

根据测试数据查询情感词向量词典，将测试数据转换为第二数学向量，并利用分类模型对测试数据进行预测。

另一方面，本发明提供了一种情感分类的系统，该情感分类的系统包括：收集数据单元、第一训练单元、第二训练单元和分类单元；

收集数据单元用于根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；

第一训练单元用于根据CBOW-情感词典训练模型，将标记后的数据转换为空间向量，构建情感词向量词典；

第二训练单元用于根据提供的训练数据查询情感词向量词典，将训练数据转换为第一数学向量，并将第一数学向量送入分类器中，训练分类模型；

分类单元用于根据分类模型对社交网络数据进行情感分类。

优选地，收集数据单元用于：

根据情感符将数据标记第一情感极性和第二情感极性，第一情感极性为积极的情感数据，第二情感极性为消极的情感数据。

优选地，第一训练单元用于：

将标记后的数据转换为50维或100维空间向量，构建情感词向量词典。

优选地，系统还包括测试单元：

测试单元用于根据测试数据查询情感词向量词典，将测试数据转换为第二数学向量，并利用分类模型对测试数据进行预测。

本发明使用情感词矢量来表征文本，由词到向量的过程无需人工干预，降低了传统方法中手动构建和挑选特征的成本，且分类效果优于传统分类方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种情感分类的方法及系统的结构流程图；

图2为本发明实施例提供的另一种情感分类的方法及系统的结构流程图；

图3为图1和图2中情感词词典训练流程图；

图4为图1和图2中训练情感词向量词典的过程图；

图5为图1和图2中情感分类流程图；

图6为本发明实施例提供的一种情感分类方法及系统的结构示意图；

图7为本发明实施例提供的另一种情感分类的方法及系统的结构示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明面向信息检索领域内的情感分类任务，能够自动地区分出用户所表达内容的情感信息，方便政府分析出社会的舆论走向，或者企业获悉用户对其产品的满意程度。例如，当一个社会事件发生时，我们通过实时分析社交网络数据，掌握不同地区、不同时间、不同年龄段的用户对该事件的态度倾向，从而有针对性作出舆论引导。

图1为本发明实施例提供的一种情感分类的方法及系统的结构流程图。如图1所示，情感分类的方法包括以下步骤：

步骤S100：根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；

通过Twitter、FaceBook、微博等为人们提供一个可以发表状态、评论状态的社交平台，人们可以在社交平台上对社会事件、企业产品等的一些看法和评论。从而为政府、企业等做决策时提供参考依据

可以通过社交平台网站提供的数据流接口收集数据，进行情感符的检索，并对检索到的情感词根据情感色彩标记为积极的情感数据(Positive)和消极的情感数据(Negative)。

步骤S110：根据CBOW-情感词典训练模型，将标记后的数据转换为空间向量，构建情感词向量词典；

该步骤是将文本转换为情感词矢量，也就是将标记后的情感文本通过CBOW-情感词典训练模型转换为对应的情感词矢量。

利用带有情感符号的语料训练情感词矢量，即将每一个词语用低维向量 表示，得到情感词矢量词典。

步骤S120：根据提供的训练数据查询所述情感词向量词典，将所述训练数据转换为第一数学向量，并将所述第一数学向量送入分类器中，训练分类模型；

步骤S130：根据分类模型对社交网络数据进行情感分类；

需要说明的是，在收集数据的操作中，通过网站提供的数据流接口，将检索到的情感符标记为积极的情感数据(Positive)和消极的情感数据(Negative)，且尽量保证两部分数据的均衡，数据均衡能够保证积极的情感数据(Positive)和消极的情感数据(Negative)在训练的过程中尽量保持平衡，既不偏向于积极的情感数据(Positive)又不偏向于消极的情感数据(Negative)。

本发明实施例通过“收集数据-训练情感词向量词典-训练分类模型-分类”的处理方式，将带有情感色彩不相同的词通过上述处理方式，得到该词的情感性质。

图2为本发明实施例提供的另一种情感分类的方法及系统的结构流程图。如图2所示，情感分类的方法及系统包括以下步骤：

步骤S200：根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；

步骤S210：根据CBOW-情感词典训练模型，将标记后的数据转换为空间向量，构建情感词向量词典；

步骤S220：根据提供的训练数据查询所述情感词向量词典，将所述训练数据转换为第一数学向量，并将所述第一数学向量送入分类器中，训练分类模型；

步骤S230：根据测试数据查询情感向量词典，将测试数据转换为第二数学向量，并利用分类模型对测试数据进行预测。

步骤S240：根据分类模型对社交网络数据进行情感分类。

可选的，不用执行步骤S240，可以执行步骤S200-S230，步骤S240则是完成对情感的分类的操作。

需要说明的是，该测试数据是预先知道其情感极性，只是将通过分类模型的测试数据与未通过分类模型的测试数据的情感极性进行比较，达到测试分类模型的目的。

图3为图1和图2中情感词词典训练流程图。如图3所示，情感词词典训练流程图是先利用Twitter网站提供的数据流接口，检索出包含":)"、":-)"、":D＝)"、":("、":-("等情感符的Twitter数据，并且根据情感符，将该数据标记为积极的情感数据(Positive)和消极的情感数据(Negative)，尽量保持两部分数据的均衡。

本发明的实施例是将通过网站检索出情感符进行标记，且保持标记后的积极的情感数据(Positive)和消极的情感数据(Negative)两部分数据数量均衡，且将标记后的情感词存储在情感词典。

图4为图1和图2中训练情感词向量词典的流程图。如图4所示，训练情感词向量词典的步骤包括：首先，人为规定情感词矢量的维度，例如50维，对于收集到的情感词语，对每个情感词进行随机初始化为50维的向量。当输入一条语句，移动窗口，根据窗口大小截取词语片段，比如窗口的大小为5，按照词语的先后顺序，取5个词语，中间词语w(t)作为输出，利用w(t-2)、w(t-1)、w(t+1)、w(t+2)前后两个词作为输入，利用输入预测当前情感(Positive或者Negative)下的输出。根据back propagation算法(BP算法)，对当前情感词矢量进行更新。将所有收集好的Twitter数据送入到该模型中，最终得到每个情感词的情感矢量，进而得到情感词矢量词典。

还可以通过情感词矢量之间的余弦距离来计算，计算公式为，情感词矢量与情感词矢量之间的距离为：

$\cos (\stackrel{\→}{X},\stackrel{\→}{Y})=\frac{\stackrel{\→}{X},\stackrel{\→}{Y}}{\left|\right|X\left|\right|\·\left|\right|Y\left|\right|}$

其中，余弦值的取值范围为[-1,1],当余弦距离大小越接近1，表示两个情感词的情感色彩越接近。

本发明实施例由词到向量的过程无需人工干预，降低了传统方法中手动构建和挑选特征的成本。本发明的实施例不仅能在模型上节约人力，并且分类效果优于传统分类方法。

图5为图1和图2中情感分类流程图。如图5所示，情感分类的步骤包括：

利用训练数据，通过查表情感词向量词典，将词转换为数学向量，送入分类器中，训练分类模型。我们选择隐藏层包含50个神经元的简单神经网络模型作为该分类器。

而测试数据是为了需要通过分类器的处理，衡量分类模型的好坏。

在训练和测试的过程中，仅需通过查询情感词矢量词典，将词转换为数学向量，送入到分类算法中进行模型训练和测试。

本发明的实施例通过利用低维空间向量表征每一个词，词语词之间的关系可以利用向量之间的距离来计算，通常情感相近的词语会成群出现。

图6为本发明实施例提供的一种情感分类的方法及系统的结构示意图。如图6所示，该情感分类系统包括：数据收集单元10、第一训练单元11、第二训练单元12和分类单元13；其中，

收集数据单元10用于根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；第一训练单元11用于根据CBOW-情感词典训练模型，将标记后的数据转换为空间向量，构建情感词向量词典；第二训练单元12用于根据提供的训练数据查询情感词向量词典，将训练数据转换为第一数学向量，并将第一数学向量送入分类器中，训练分类模型；分类单元13用于根据分类模型对社交网络数据进行情感分类。

图7为本发明实施例提供的另一种情感分类的方法及系统的结构示意图。如图7所示，该情感分类的系统还包括测试单元14，该测试单元14用于根据测试数据查询情感词向量词典，将测试数据转换为第二数学向量，并利用分类模型对测试数据进行预测。

需要说明的是，该测试数据是预先知道其情感极性，只是将通过分类模型的测试数据与未通过分类模型的测试数据的情感极性进行比较，达到测试分类模型的目的。

本发明使用情感词矢量来表征文本，由词到向量的过程无需人工干预，降低了传统方法中手动构建和挑选特征的成本，且分类效果优于传统分类方法。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种情感分类的方法，其特征在于，包括：

根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据所述情感符将数据进行标记；

根据CBOW-情感词典训练模型，将所述标记后的数据转换为空间向量，构建情感词向量词典；

根据提供的训练数据查询所述情感词向量词典，将所述训练数据转换为第一数学向量，并将所述第一数学向量送入分类器中，训练分类模型；

根据所述分类模型对社交网络数据进行情感分类。

2.根据权利要求1所述的方法，其特征在于，所述根据所述情感符将数据进行标记步骤包括：

根据所述情感符将数据标记第一情感极性和第二情感极性，所述第一情感极性为积极的情感数据，所述第二情感极性为消极的情感数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述标记后的数据转换为空间向量，构建情感词向量词典步骤包括：

将所述标记后的数据转换为50维或100维空间向量，构建情感词向量词典。

4.根据权利要求1所述的方法，其特征在于，所述分类器为隐藏层包含50个神经元的简单神经网络模型。

5.根据权利要求1所述的方法，其特征在于，在训练分类模型后还包括测试步骤：

根据测试数据查询所述情感词向量词典，将所述测试数据转换为第二数学向量，并利用所述分类模型对所述测试数据进行预测。

6.一种情感分类的系统，其特征在于，包括：收集数据单元(10)、第一训练单元(11)、第二训练单元(12)和分类单元(13)；

所述收集数据单元(10)用于根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据所述情感符将数据进行标记；

所述第一训练单元(11)用于根据CBOW-情感词典训练模型，将所述标记后的数据转换为空间向量，构建情感词向量词典；

所述第二训练单元(12)用于根据提供的训练数据查询所述情感词向量词典，将所述训练数据转换为第一数学向量，并将所述第一数学向量送入分类器中，训练分类模型；

所述分类单元(13)用于根据所述分类模型对社交网络数据进行情感分类。

7.根据权利要求6所述的系统，其特征在于，所述收集数据单元(10)用于：

根据所述情感符将数据标记第一情感极性和第二情感极性，所述第一情感极性为积极的情感数据，所述第二情感极性为消极的情感数据。

8.根据权利要求6所述的系统，其特征在于，所述第一训练单元(11)用于：

将所述标记后的数据转换为50维或100维空间向量，构建情感词向量词典。

9.根据权利要求6所述的系统，其特征在于，所述系统还包括测试单元(14)：

所述测试单元(14)用于根据测试数据查询所述情感词向量词典，将所述测试数据转换为第二数学向量，并利用所述分类模型对所述测试数据进行预测。