專利名稱：一種基于認(rèn)知評(píng)價(jià)理論的漢語文本情感識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別領(lǐng)域，具體涉及一種漢語文本情感識(shí)別方法。
背景技術(shù)：
隨著互聯(lián)網(wǎng)的飛速發(fā)展，文本信息已經(jīng)成為人類最常用的交互方法之一。研究文 本中蘊(yùn)含的情感信息已成為人機(jī)交互領(lǐng)域的研究熱點(diǎn)。文本情感信息的提取在諸如語音合 成、信息安全、智能機(jī)器人、個(gè)性化文本等領(lǐng)域也有著廣泛的應(yīng)用前景。傳統(tǒng)的文本情感識(shí)別模型主要通過分析文本的字面特征提取句子的情感傾向，這 些方法的準(zhǔn)確率很大程度上受到情感語料庫和常識(shí)庫的影響，目前較為常用的漢語文本常 識(shí)庫有HowNet，而漢語文本情感語料庫則較為匱乏。另外由于人類語言的復(fù)雜性，僅僅考慮 字面特征而不區(qū)分概念之間的邏輯關(guān)系很難精確識(shí)別文本情感信息。根據(jù)認(rèn)知評(píng)價(jià)理論，情感是人們對(duì)某個(gè)其主觀上認(rèn)為重要的事件進(jìn)行評(píng)價(jià)而產(chǎn)生 的。在評(píng)價(jià)理論中最有影響力的是Ortony、Clore和Collins提出的OCC理論。OCC模型 是第一個(gè)以計(jì)算機(jī)實(shí)現(xiàn)為目的發(fā)展起來的模型。OCC模型認(rèn)為情感來源于人們對(duì)由事件 (Event)、智能體(Agent)和對(duì)象(Object)組成的情境的認(rèn)知評(píng)價(jià)。OCC理論的基本原理 是根據(jù)一組評(píng)價(jià)標(biāo)準(zhǔn)將人對(duì)特定情境的反應(yīng)區(qū)分為正面或負(fù)面，然后根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)的不 同取值組合確定相應(yīng)的情感類型。OCC模型共定義了 22種情感類型。在漢語文本情感識(shí)別方面，目前絕大多數(shù)方法僅能識(shí)別褒義和貶義兩種情感極 性，這對(duì)于漢語文本所表達(dá)的豐富的情感信息是遠(yuǎn)遠(yuǎn)不夠的。將OCC模型應(yīng)用于漢語文本 情感識(shí)別，可以有效解決漢語文本情感識(shí)別領(lǐng)域存在的情感識(shí)別類別少，識(shí)別準(zhǔn)確度不高 等問題。因此，針對(duì)漢語文本研究一種能夠準(zhǔn)確識(shí)別多種情感的方法具有重要的現(xiàn)實(shí)意義。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種能夠準(zhǔn)確識(shí)別多種情感的漢語文本情感識(shí) 別方法。根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于認(rèn)知評(píng)價(jià)理論的漢語文本情感識(shí)別方 法，包括下列步驟1)使用自然語言處理工具對(duì)漢語文本進(jìn)行預(yù)處理，得到句子成分之間的依存關(guān) 系；2)根據(jù)情感識(shí)別變量的確定方法確定句子所包含的情感識(shí)別變量并將句子成分 賦值給情感識(shí)別變量；3)根據(jù)情感識(shí)別變量的賦值方法確定情感識(shí)別變量的取值；4)根據(jù)情感規(guī)則確定句子表達(dá)的情感類型。在上述方法中，所述步驟3)還包括31)對(duì)HowNet常識(shí)庫的義原添加情感極性標(biāo)注，根據(jù)詞語情感極性的賦值方法得 到詞語的情感極性。
5
在上述方法中，所述步驟2)中情感識(shí)別變量如表1所示t表1情感識(shí)別變量 在上述方法中，所述步驟2)中情感識(shí)別變量的確定方法包括情感主體考察句子的主語部分，利用句法分析工具可以得到句子的主謂賓關(guān)系。 根據(jù)主語的特征進(jìn)行賦值，第一人稱賦值為self，其它人稱賦值為other，非人稱的事物賦 值為 object ；主體極性考察取值為other的情感主體及其相關(guān)的定語修飾詞；事物極性考察取值為object的情感主體及其相關(guān)的定語修飾詞；事件極性和行為極性均考察句子的謂語部分和賓語部分組成的結(jié)構(gòu)，其中謂語部 分由謂語和狀語構(gòu)成，賓語部分由賓語和定語構(gòu)成；值。
事件狀態(tài)考察句子中的狀語部分，采用關(guān)鍵詞識(shí)別的方法確定取值； 自身反應(yīng)考察句子中具有明顯情感傾向的詞語，采用關(guān)鍵詞識(shí)別的方法確定取
在上述方法中，所述步驟31)中詞語情感極性的賦值方法包括 對(duì)HowNet中所有義原的極性進(jìn)行標(biāo)注，分為正面、負(fù)面、中性和無極性4種； 完成義原的情感極性標(biāo)注后，采用下述公式得到詞語的情感極性O(shè)rientation(W) = Yj^Polarity(St)；其中 0π·瀏妒)表示詞語 W 的情感極性,其值
/=1
為正表示正面情感，為負(fù)表示負(fù)面情感，為零表示中性情感，η表示詞語W包含的義原總個(gè) 數(shù)，Si表示詞語W的第i個(gè)義原，Polarity (Si)表示義原Si的極性，其中正面賦值1，負(fù)面賦 值-1，中性和無極性賦值為0，α i表示義原Si在詞語W情感極性中的權(quán)重，主要針對(duì)HowNet 中采用動(dòng)態(tài)角色與特征標(biāo)注的復(fù)雜詞語，取值為O或1。在上述方法中，所述步驟3)中情感識(shí)別變量的賦值方法包括主體極性考察取值為other的情感主體及其相關(guān)的定語修飾詞，利用詞語情感極 性的判別方法判斷情感主體和相關(guān)修飾詞的極性即Orientation(W1)和Orientation(W2)。 若無相關(guān)修飾詞，則 Orientation (W2) =C^gOrientation(W1)和 Orientation (W2)的極性 相矛盾，以修飾詞的極性為準(zhǔn)。其它情況則將Orientation(W1)和Orientation(W2)相加， 為正則將主體極性賦值positive，為負(fù)則賦值negative，為零則賦值neutral。事物極性考察取值為object的情感主體及其相關(guān)的定語修飾詞，采用與主體極 性一樣的判定，結(jié)果為正值將事物極性賦值為attractive，負(fù)值賦值為unattractive，零 值賦值為neutral。事件極性和行為極性均考察句子的謂語部分和賓語部分組成的結(jié)構(gòu)。謂語部分的極性考察謂語和相關(guān)的狀語修飾詞的極性，賓語部分的極性考察賓語和相關(guān)的定語修飾詞 的極性。兩者均采用與主體極性一樣的判定，結(jié)果為正值將極性賦值為positive，負(fù)值賦值 為 negative, ^ftMit^J neutral 對(duì)于事件或者行為極性的判定，采用以下規(guī)則如果謂語部分或賓語部分的極性均為neutral，則事件或行為的極性賦值為 neutral ；如果謂語部分或賓語部分的極性有且僅有一個(gè)為neutral，則事件或行為的極性 與另一個(gè)的極性賦值相同；如果謂語部分的極性和賓語部分的極性相同，則事件或行為的極性賦值為 positive ；如果謂語部分的極性和賓語部分的極性不同，則事件或行為的極性賦值為 negative。在HowNet中，Event類中包含Static和Act兩種子類，對(duì)于謂語中的義原屬于 Static類的結(jié)構(gòu)，定義該結(jié)構(gòu)為一個(gè)事件，對(duì)于謂語中義原屬于Act類的結(jié)構(gòu)，定義該結(jié)構(gòu) 為一個(gè)行為，另外，對(duì)于謂語中義原屬于Act類的結(jié)構(gòu)，如果該結(jié)構(gòu)是被動(dòng)語態(tài)，則視為一 個(gè)事件。通過以上規(guī)則，若謂賓結(jié)構(gòu)是事件，根據(jù)極性判定值positive、negative和 neutral分別將事件極性賦值為desirable、undesirable和neutral，若謂賓結(jié)構(gòu)是行為， 根據(jù)極性判定值positive、negative和neutral分別將行為極性賦值為praiseworthy、 blameworthy 禾口 neutral。事件狀態(tài)考察句子中的狀語部分，采用關(guān)鍵詞識(shí)別的方法確定取值。根據(jù)《哈工大 信息檢索研究室同義詞詞林?jǐn)U展版》，對(duì)于狀語中表達(dá)“未確定”含義的詞語，將事件狀態(tài)賦 值為unconfirmed，對(duì)于狀語中表達(dá)“已確定”含義的詞語，將事件狀態(tài)賦值為confirmed， 對(duì)于狀語中表達(dá)“已否定”含義的詞語，將事件狀態(tài)賦值為disconfirmed。自身反應(yīng)考察句子中具有明顯情感傾向的詞語，依據(jù)HowNet發(fā)布的中文正面情 感詞語數(shù)據(jù)庫和負(fù)面情感詞語數(shù)據(jù)庫，采用關(guān)鍵詞識(shí)別的方法確定取值。對(duì)于正面情感賦 值為pleased，對(duì)于負(fù)面情感賦值為displeased。在上述方法中，所述步驟4)中情感規(guī)則如表2所示。表2情感規(guī)則
7 *符號(hào)定義&表示條件與，I表示條件或，NA表示該變量不存在。本發(fā)明提供的漢語文本情感識(shí)別方法有效解決了漢語文本情感識(shí)別領(lǐng)域存在的 情感識(shí)別類別少，識(shí)別準(zhǔn)確度不高等問題。該方法有如下優(yōu)點(diǎn)所使用的常識(shí)知識(shí)庫中的概 念只需要包含正負(fù)情感權(quán)值；考慮了句子結(jié)構(gòu)對(duì)情感判斷的影響，準(zhǔn)確率提高；基于規(guī)則
情感
規(guī)則
喜 平幸情望心足懼懷望興傷豪責(zé) 賞備激 怒意恨歡惡 欣 不慶同希擔(dān)滿恐釋失高悲自 自 贊 責(zé) 感 憤 滿 悔喜厭的判定準(zhǔn)則在理論上受到大眾認(rèn)可，情感分類更加詳細(xì)。


圖1漢語文本情感識(shí)別框圖。圖2句子成分及其依存關(guān)系。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖，對(duì)根據(jù)本發(fā) 明三個(gè)實(shí)施例的漢語文本情感識(shí)別方法進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí) 施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明的基本思想是通過分析句子結(jié)構(gòu)，找到符合定義的情感識(shí)別變量，根據(jù)具 有情感信息的HowNet常識(shí)庫對(duì)情感識(shí)別變量賦值，再通過定義的情感規(guī)則識(shí)別句子所表 達(dá)的情感類型。根據(jù)以上思想，本發(fā)明的流程框圖如圖1所示。下面通過三個(gè)具體的實(shí)施例說明漢語文本情感的識(shí)別方法。(1)李小姐得到了 1000元錢的獎(jiǎng)金。(2)我明天可能被他們邀請(qǐng)參加舞會(huì)。(3)我為我救起一名落水兒童的行為感到高興。通過哈爾濱工業(yè)大學(xué)信息檢索研究中心的語言技術(shù)平臺(tái)可以得到句子的成分及 其之間的依存關(guān)系，如圖2所示。(1)主語小姐；謂語得到；賓語獎(jiǎng)金；定語李(修飾小姐)。(2)主語我；謂語邀請(qǐng)；賓語舞會(huì)；狀語可能(修飾邀請(qǐng))、被(修飾邀請(qǐng)，被 動(dòng)態(tài))。(3)該句為兩個(gè)句子嵌套結(jié)構(gòu)。主句，主語我；謂語感到；補(bǔ)語高興(修飾感 到)；子句，主語我；謂語救起；賓語兒童；定語落水(修飾兒童)。根據(jù)情感變量的考察方法得到(1)情感主體李小姐；事件或行為得到獎(jiǎng)金。(2)情感主體我；事件或行為可能被邀請(qǐng)舞會(huì)。(3)主句，情感主體我；事件或行為感到高興；子句，情感主體我；事件或行 為救起落水兒童；根據(jù)情感變量的賦值方法(1)情感主體的判定“小姐”為其它人稱，則Emotion—subject = other ；“李小 姐”的極性判定0rientation (小姐)=0，Orientation (李)=0，則 Sub ject_polarity =neutral ；“得到獎(jiǎng)金”的極性判定謂語部分“得到”的極性為neutral，賓語部分“獎(jiǎng)金” 的極性為positive,由于“得到”在HowNet中從屬于Event類下的Static子類，判定“得 到獎(jiǎng)金，，為一個(gè)事件，則 Event_polarity = desirable。(2)情感主體的判定“我”為第一人稱，則Emotior^subject = self,此時(shí)不需 要再作情感主體的極性判定；“可能被邀請(qǐng)舞會(huì)”的極性判定謂語部分“邀請(qǐng)”的極性為 neutral，賓語部分“舞會(huì)”的極性為positive，雖然“邀請(qǐng)”在HowNet中從屬于Event類下的Act子類，但由于被動(dòng)態(tài)，判定“被邀請(qǐng)舞會(huì)”為一個(gè)事件，則EVent_p0larity = desirable ； 由于狀語“可能”表達(dá)了未確定的狀態(tài)，則Event_status = unconfirmed。(3)對(duì)于主句，情感主體的判定“我”為第一人稱，則Emotior^subject = self ； “感到高興”的極性判定謂語部分“感到”的極性為neutral，無賓語部分，由于“感到”的義 原“心懷”和“認(rèn)為”在HowNet中均從屬于Event類下的Static子類，判定“感到高興”為一 個(gè)事件，則Event_p0larity = neutral ；由于補(bǔ)語“高興”表達(dá)了明顯的正面情感，則Self_ reaction = pleased。對(duì)于子句，情感主體的判定“我”為第一人稱，則Emotion_subject =self ；“救起落水兒童”的極性判定謂語部分“救起”的極性為positive，賓語部分“落水 兒童”的極性為neutral，由于“救起”的義原“幫助”和“救助”在HowNet中均從屬于Event 類下的Act子類，判定“救起落水兒童”為一個(gè)行為，則Action_polarity = praiseworthy。綜合以上情感變量的取值得到(1)Emotion_subject = other ；Subject—polarity = neutral ；Event—polarity =desirable。由規(guī)則得到此句子表達(dá)了 “欣喜”的情感。(2)Emotion_subject = self ；Event—polarity = desirable ；Event_status = unconfirmed。由規(guī)則得到此句子表達(dá)了 “希望”的情感。(3)Emotion_subject = self ；Event—polarity = neutral ；Self—reaction = pleased ；Action—polarity = praiseworthy。由于 Event—polarity = neutral 不屬于 22 條規(guī)則中的任何一條規(guī)則的判定變量，則舍去，由規(guī)則得到此句子表達(dá)了 “滿意”的情感。應(yīng)該注意到并理解，在不脫離后附的權(quán)利要求所要求的本發(fā)明的精神和范圍的情 況下，能夠?qū)ι鲜鲈敿?xì)描述的本發(fā)明做出各種修改和改進(jìn)。因此，要求保護(hù)的技術(shù)方案的范 圍不受所給出的任何特定示范教導(dǎo)和限制。
10
權(quán)利要求
一種基于認(rèn)知評(píng)價(jià)理論的漢語文本情感識(shí)別方法，包括下列步驟1)使用自然語言處理工具對(duì)漢語文本進(jìn)行預(yù)處理，得到句子成分之間的依存關(guān)系；2)根據(jù)情感識(shí)別變量的確定方法確定句子所包含的情感識(shí)別變量并將句子成分賦值給情感識(shí)別變量；3)根據(jù)情感識(shí)別變量的賦值方法確定情感識(shí)別變量的取值；4)根據(jù)情感規(guī)則確定句子表達(dá)的情感類型。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3)還包括對(duì)HowNet常識(shí)庫的義 原添加情感極性標(biāo)注，根據(jù)詞語情感極性的賦值方法得到詞語的情感極性。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2)中情感識(shí)別變量包括 Emotion_sub ject ( ft)、Sub ject一polarity ( 豐及個(gè)生)、0bject一polarity 豐及 性)、Event_polarity (事件極性)、Event_status (事件狀態(tài))、Action_polarity (行為極 性)和Self_reaction(自身反應(yīng))。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2)中情感識(shí)別變量的確定方法 包括情感主體考察句子的主語部分，根據(jù)主語的特征進(jìn)行賦值，第一人稱賦值為self，其 它人稱賦值為other，非人稱的事物賦值為object ；主體極性考察取值為other的情感主體 及其相關(guān)的定語修飾詞；事物極性考察取值為object的情感主體及其相關(guān)的定語修飾詞； 事件極性和行為極性均考察句子的謂語部分和賓語部分組成的結(jié)構(gòu)；事件狀態(tài)考察句子中 的狀語部分；自身反應(yīng)考察句子中具有明顯情感傾向的詞語。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，詞語情感極性的賦值方法包括對(duì)HowNet 中所有義原的極性進(jìn)行標(biāo)注，分為正面、負(fù)面、中性和無極性4種；并采用下述公式得到詞語的情感極性心論擬她^^妒片^^^^？/識(shí)辦以”其中Orientation(W)表示詞語W的情感極/=1性，其值為正表示正面情感，為負(fù)表示負(fù)面情感，為零表示中性情感，η表示詞語W包含的義 原總個(gè)數(shù)，Si表示詞語W的第i個(gè)義原，Polarity (Si)表示義原Si的極性，其中正面賦值1， 負(fù)面賦值-1，中性和無極性賦值為0，α i表示義原Si在詞語W情感極性中的權(quán)重，主要針 對(duì)HowNet中采用動(dòng)態(tài)角色與特征標(biāo)注的復(fù)雜詞語，取值為O或1。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3)中情感識(shí)別變量的賦值方法 包括主體極性考察取值為other的情感主體及其相關(guān)的定語修飾詞，利用詞語情感極性的 判別方法判斷情感主體和相關(guān)修飾詞的極性即Orientation(W1)和Orientation (W2)；若無 相關(guān)修飾詞，則 Orientation (W2) =C^gOrientation(W1)和 Orientation (W2)的極性相矛 盾，以修飾詞的極性為準(zhǔn)；其它情況則將Orientation (W1)和Orientation (W2)相加，為正則 將主體極性賦值positive，為負(fù)則賦值negative，為零則賦值neutral ；事物極性考察取值為object的情感主體及其相關(guān)的定語修飾詞，采用與主體極性一 樣的判定，結(jié)果為正值將事物極性賦值為attractive，負(fù)值賦值為unattractive，零值賦 值為 neutral ；事件極性和行為極性均考察句子的謂語部分和賓語部分組成的結(jié)構(gòu)；謂語部分的極性 考察謂語和相關(guān)的狀語修飾詞的極性，賓語部分的極性考察賓語和相關(guān)的定語修飾詞的極 性；兩者均采用與主體極性一樣的判定，結(jié)果為正值將極性賦值為positive，負(fù)值賦值為negative, ^ftMit^J neutral ；對(duì)于事件或者行為極性的判定，采用以下規(guī)則如果謂語部分或賓語部分的極性均為neutral，則事件或行為的極性賦值為neutral ； 如果謂語部分或賓語部分的極性有且僅有一個(gè)為neutral，則事件或行為的極性與另 一個(gè)的極性賦值相同；如果謂語部分的極性和賓語部分的極性相同，則事件或行為的極性賦值為positive ； 如果謂語部分的極性和賓語部分的極性不同，則事件或行為的極性賦值為negative ； 在HowNet中，Event類中包含Static和Act兩種子類，對(duì)于謂語中的義原屬于Static 類的結(jié)構(gòu)，定義該結(jié)構(gòu)為一個(gè)事件，對(duì)于謂語中義原屬于Act類的結(jié)構(gòu)，定義該結(jié)構(gòu)為一個(gè) 行為，另外，對(duì)于謂語中義原屬于Act類的結(jié)構(gòu)，如果該結(jié)構(gòu)是被動(dòng)語態(tài)，則視為一個(gè)事件； 通過以上規(guī)則，若謂賓結(jié)構(gòu)是事件，根據(jù)極性判定值positive^egative和neutral分 別將事件極性賦值為desirabl^undesirable和neutral，若謂賓結(jié)構(gòu)是行為，根據(jù)極性判 定值 positive、negative 禾口 neutral 分另叫奪 亍為極性貝武值為 praiseworthy> blameworthy 禾口 neutral ；事件狀態(tài)考察句子中的狀語部分，采用關(guān)鍵詞識(shí)別的方法確定取值；根據(jù)《哈工大信息 檢索研究室同義詞詞林?jǐn)U展版》，對(duì)于狀語中表達(dá)“未確定”含義的詞語，將事件狀態(tài)賦值為 unconfirmed,對(duì)于狀語中表達(dá)“已確定”含義的詞語，將事件狀態(tài)賦值為confirmed，對(duì)于狀 語中表達(dá)“已否定”含義的詞語，將事件狀態(tài)賦值為disconfirmed ；自身反應(yīng)考察句子中具有明顯情感傾向的詞語，依據(jù)HowNet發(fā)布的中文正面情感詞 語數(shù)據(jù)庫和負(fù)面情感詞語數(shù)據(jù)庫，采用關(guān)鍵詞識(shí)別的方法確定取值；對(duì)于正面情感賦值為 pleased，對(duì)于負(fù)面情感賦值為displeased ；
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4)中情感規(guī)則如表1所示。 表1情感規(guī)則Emotion一subject = other & Subject_polarity Φ negative & ((Event_polarity = desirable & Event一status disconfirmed) | (Eventj)Olarity = undesirable & Event—status = disconfirmed))Emotion_subject = other & Subject_polarity = negative & ((Event_polarity = desirable & Event一status Φ disconfirmed) | (Event_polarity = undesirable & Event一status = disconfirmed))Emotion subject = other & Subject_polarity = negative & ((Event_polarity = undesirable & Event status Φ disconfirmed) | (Event_polarity = desirable & Event—status = disconfirmed))Emotion—subject = other & Subject_polarity negative & ((Event_polarity = undesirable & Event一status disconfirmed) | (Event_polarity = desirable & Event—status = disconfirmed))Emotion—subject = self & Event_status = unconfirmed & Event_polarity = desirable Emotion—subject = self & Event—status = unconfirmed & Event_polarity = undesirable Emotion—subject = self & Event_status = confirmed & Event_j>olarity = desirable Emotion_subject = self & Event_status = confirmed & Event^polarity = undesirable Emotion subject = self & Event_status = disconfirmed & Event_polarity = undesirable Emotion一subject = self & Event一status = disconfirmed & Event_polarity = desirable Emotion—subject = self & Event一status = NA & Event_polarity = desirable Emotion_subject = self & Event—status = NA & Event_polarity = undesirable Emotion一subject = self & Self reaction = NA & ((Action_polarity = praiseworthy & Event一status Φ disconfirmed) | (Action_polarity = blameworthy & Event—status = disconfirmed))Emotion_subject = self & Self_reaction = NA & ((Action_polarity = blameworthy & Event_status Φ disconfirmed) | (Action_polarity = praiseworthy & Event_status = disconfirmed))Emotion—subject = other & Self一reaction = NA & ((Action_polarity = praiseworthy & Event一status Φ disconfirmed) | (Action_polarity = blameworthy & Event—status = disconfirmed))Emotion—subject = other & Self一reaction = NA & ((Action_polarity = blameworthy & Event—status Φ disconfirmed) | (Action_polarity = praiseworthy & Event—status -disconfirmed))Emotion_subject = other & Self_reaction = pleased & ((Action_polarity = praiseworthy & Event_status Φ disconfirmed) | (Actionjolarity = blameworthy & Event—status = disconfirmed))Emotion一subject = other & Self一reaction = displeased & ((Action_polarity = blameworthy & Event—status Φ disconfirmed) | (Action_polarity = praiseworthy & Event一status = disconfirmed))Emotion_subject = self & Self_reaction = pleased & ((Action_polarity = praiseworthy & Event一status Φ disconfirmed) | (Action_polarity = blameworthy & Event一status = disconfirmed))Emotion一subject = self & Self一reaction = displeased & ((Action_polarity = blameworthy & Event_status Φ disconfirmed) | (Actiori_polarity = praiseworthy & Event一 status = disconfirmed))Emotion一subject = object & Subject__polarity Φ negative & Self—reaction = pleased Emotion—subject = object & Subject—polarity positive & Self—reaction = displeased*符號(hào)定義&表示條件與，I表示條件或，NA表示該變量不存在C情感規(guī)則喜 平 幸 情望心足懼懷望興傷豪 責(zé) 賞 備 激 怒 意 恨歡惡 欣 不慶同希擔(dān)滿恐釋失高悲自 自贊責(zé) 感 憤 滿 悔喜厭
全文摘要
本發(fā)明提供一種漢語文本情感識(shí)別方法，包括下列步驟1)使用自然語言處理工具對(duì)漢語文本進(jìn)行預(yù)處理，得到句子成分之間的依存關(guān)系；2)根據(jù)情感識(shí)別變量的確定方法確定句子所包含的情感識(shí)別變量并將句子成分賦值給情感識(shí)別變量；3)根據(jù)情感識(shí)別變量的賦值方法確定情感識(shí)別變量的取值；4)根據(jù)情感規(guī)則確定句子表達(dá)的情感類型。根據(jù)本發(fā)明的漢語文本情感識(shí)別方法對(duì)漢語文本情感的識(shí)別準(zhǔn)確率較高，識(shí)別情感類型達(dá)到22種。
文檔編號(hào)G06F17/27GK101901212SQ201010238370
公開日2010年12月1日 申請(qǐng)日期2010年7月23日 優(yōu)先權(quán)日2010年7月23日
發(fā)明者易寒飛, 毛峽 申請(qǐng)人:北京航空航天大學(xué)