【摘要】 本发明是一种基于行业的文本负面倾向判断方法，该方法首先收集行业内的负面文本作为语料库L；其次从语料库L中提取有代表性的负面规则集合S1和负面词集合S2；接着用待识别文本T匹配负面规则集合S1的每个规则，统计负面规则权值判断文本是否负面；紧接着对没有被判断为负面的文本进行分词处理，得出词语集合S3，词数N；最后把集合S3中的每个词在集合S2中匹配，统计出文本中负面词所占比重及权值累加值，判断文本是否为负面。本发明方法基于行业的文本负面判断准确率达较高，达到90%以上；该方法可以广泛应用于各个行业，通用性较强。 【专利类型】发明申请 【申请人】江苏金鸽网络科技有限公司 【申请人类型】企业 【申请人地址】222000 江苏省连云港市新浦区龙河大厦西塔楼(B座)7层706室 【申请人地区】中国 【申请人城市】连云港市 【申请人区县】海州区 【申请号】CN201210290556.X 【申请日】2012-08-16 【申请年份】2012 【公开公告号】CN103593359A 【公开公告日】2014-02-19 【公开公告年份】2014 【IPC分类号】G06F17/30; G06F17/27 【发明人】陈国华; 陈宗华; 陈永江; 仲兆满 【主权项内容】一种基于行业的文本负面倾向判断方法，其特征在于，其步骤如下：(1)从互联网上收集描述行业负面信息的新闻、帖子、评论作为语料，建立行业语料库L；(2)从语料库L中提取有代表性的负面规则集合S1和负面词集合S2；具体操作步骤如下：(2-1)根据行业特征，从语料库的每个语料中提取负面规则，并给每个规则赋权值；(2-2)根据行业特征，从语料库的每个语料中提取负面词，并给每个词赋权值；(3)用待识别文本T匹配负面规则集合S1的每个规则，统计负面规则权值，判断文本是否负面；具体操作步骤如下：(3-1)设置行业文本规则统计阀值V1；(3-2)用规则集合S1中的每个规则去匹配待识别文本，把匹配上的规则的权值累加，累加值为Vt1, 比较Vt1是否大于等于V1；(3-3)如果步骤(3-2)中比较结果Vt1大于等于V1，标识该文本为负面文本并退出；(3-4)如果步骤(3-2)中比较结果Vt1小于V1，继续步骤(3-2)；(3-5)如果遍历完所有规则，且Vt1小于V1，标识该文本为未识别文本；(4)用分词工具对未识别文本进行分词，去除无用词，组成词的集合S3，词数量为N；(5)把集合S3中的每个词在集合S2中匹配，统计出文本中负面词所占比重及权值累加值，判断文本是否为负面；具体操作步骤如下：(5-1)设置负面词统计阀值V2、被统计词中负面词所占比重阀值P1、词数Nt为0；(5-2)集合S3中的每个词都去匹配负面词集合S2，如果匹配上，对该词的权值做累加，累加结果为Vt2，词数Nt加1；(5-3)遍历完S3中的所有词，如果Vt2大于等于V2，同时Nt与N的比值大于等于P1，该文本标识为负面文本，否则标识为不可识别文本。 【当前权利人】江苏金鸽网络科技有限公司 【当前专利权人地址】江苏省连云港市新浦区龙河大厦西塔楼(B座)7层706室 【专利权人类型】有限责任公司(自然人投资或控股) 【统一社会信用代码】91320700138973446P 【引证次数】3.0 【被引证次数】5 【他引次数】3.0 【被他引次数】5.0 【家族引证次数】3.0 【家族被引证次数】5

未经允许不得转载：http://www.zhongzhencnc.com/1790849064.html