-
公开(公告)号：CN101882136B
公开(公告)日：2015-02-04
申请号：CN200910083522.1
申请日：2009-05-08
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种文本情感倾向性分析方法，包括下列步骤：1)根据训练文本的标签确定测试文本的初始情感分；2)基于图排序算法利用所述测试文本的初始情感分迭代计算所述测试文本的情感分并进行归一化；3)当所述迭代结束时，根据所述计算的结果判别所述测试文本的情感倾向性。本发明提供的文本情感倾向性方法能够大幅提高对新领域的文本进行分类的精度。
-
公开(公告)号：CN101714135A
公开(公告)日：2010-05-26
申请号：CN200910242427.1
申请日：2009-12-11
Applicant: 中国科学院计算技术研究所
IPC: G06F17/27
Abstract: 本发明提供一种跨领域文本情感倾向性分析方法，包括下列步骤：1)确定源领域和目标领域中文本与词的初始情感分；2)根据测试文本集和测试词集分别与所有词集和所有文本集的关系建立测试文本集DU与测试词集WU和训练词集WL间的相似矩阵M、测试词集WU与测试文本集DU和训练文本集DL间的相似矩阵N和测试词集WU与所有词集之间的相似矩阵V中的一个或多个，计算一个或多个相似矩阵的归一化矩阵和邻域矩阵；3)利用所述源领域和目标领域中文本与词的初始情感分和所述一个或多个相似矩阵的邻域矩阵迭代计算测试文本和测试词的情感分并进行归一化。该方法能够大幅提高对新领域的文本进行分类的精度。
-
公开(公告)号：CN103995853A
公开(公告)日：2014-08-20
申请号：CN201410198519.5
申请日：2014-05-12
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
CPC classification number: G06F17/30705
Abstract: 本发明公开了一种基于关键句的多语言情感数据处理分类方法及系统，方法包括：步骤1，从未标注的情感数据集中自动抽取一部情感词典数据包，通过K近邻算法和投票规则来最终判定情感词的极性；步骤2，用抽取出的情感词典数据包计算情感属性的得分，然后再综合考虑位置属性和关键词属性，自动为每一篇文本抽取若干句情感关键句；步骤3，把抽取出的情感关键句直接应用于有监督情感数据分类和无监督情感数据分类中。由此解决多语言翻译时语言迁移和情感数据分析的双重难点问题，以提高情感数据分析的准确性。
-
公开(公告)号：CN103488623A
公开(公告)日：2014-01-01
申请号：CN201310397617.7
申请日：2013-09-04
Applicant: 中国科学院计算技术研究所
IPC: G06F17/27
Abstract: 本发明公开了一种自学习的涉及多语言数据处理分类方法，包括通过第一种子词中文或者外文“很”抽取候选情感词，然后进行停用词过滤，停用词表从语料库中自动获取；步骤2，通过第二种子词“好”和第三种子词“差”或者外文“好”“差”对情感词和情感文本同时进行支持或反对聚类；通过半监督学习构建情感分类器，先从聚类的结果中挑选确信的样本训练初始分类器，然后融合文本的情感得分和分类器的后验概率来挑选新样本加入训练集。本发明提出的面向多语言倾向性分析的方法是语言无关的，无需借助机器翻译系统和大规模双语词典，直接在目标语言上学习情感分类器，具有最小资源依赖性，对于每种目标语言，仅仅需要三个种子词而不需要其他先验知识。
-
公开(公告)号：CN101727463A
公开(公告)日：2010-06-09
申请号：CN200810225033.0
申请日：2008-10-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种文本训练方法，包括下列步骤：1)计算每类训练样本集的中心向量；2)根据训练样本集的中心向量对所述训练样本集中的样本进行分类；3)对分类不正确的样本，根据设定的拉近权dragweight和推远权pushweight修正所述分类不正确的样本的所属类别A的中心向量或/和被错分到的类别B的中心向量。根据该训练方法所得到的中心向量对文本进行分类不仅精度高，而且速度快。
-
Patent Agency Ranking
公开(公告)号：CN101770580B
公开(公告)日：2014-03-12
申请号：CN200910076428.3
申请日：2009-01-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种跨领域的文本情感分类器的训练方法，包括下列步骤：1)在源领域和新领域样本的关键词中挑选通用情感特征；2)根据源领域的样本，计算特征wt属于类别ck的样本的概率P(t|ck)，以及类别ck的概率P(ck)，进而计算新领域的样本di属于类别ck的概率P(ck|di)；3)基于EM迭代方法训练所述分类器，其中在M步根据源领域和新领域样本以及所述通用情感特征重新计算所述P(t|ck)和所述P(ck)，在E步根据重新计算的所述P(t|ck)和所述P(ck)重新计算所述P(ck|di)。根据本发明的文本情感分类方法对新领域的文本进行分类的精度较高。
-
公开(公告)号：CN101714135B
公开(公告)日：2013-10-16
申请号：CN200910242427.1
申请日：2009-12-11
Applicant: 中国科学院计算技术研究所
IPC: G06F17/27
Abstract: 本发明提供一种跨领域文本情感倾向性分析方法，包括下列步骤：1)确定源领域和目标领域中文本与词的初始情感分；2)根据测试文本集和测试词集分别与所有词集和所有文本集的关系建立测试文本集DU与测试词集WU和训练词集WL间的相似矩阵M、测试词集WU与测试文本集DU和训练文本集DL间的相似矩阵N和测试词集WU与所有词集之间的相似矩阵V中的一个或多个，计算一个或多个相似矩阵的归一化矩阵和邻域矩阵；3)利用所述源领域和目标领域中文本与词的初始情感分和所述一个或多个相似矩阵的邻域矩阵迭代计算测试文本和测试词的情感分并进行归一化。该方法能够大幅提高对新领域的文本进行分类的精度。
-
公开(公告)号：CN101739430A
公开(公告)日：2010-06-16
申请号：CN200810227105.5
申请日：2008-11-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于关键词的文本情感分类器训练方法和分类方法，其中情感分类器训练方法包括下列步骤：1)在旧领域训练集和新领域测试集的文本的关键词中挑选枢纽特征；2)计算描述所述枢纽特征与所述旧领域训练集和新领域测试集的文本中词语的关系的矩阵W；3)由所述旧领域训练集和新领域测试集内的文本构成矩阵X，在映射空间X·W上训练分类器。根据本发明的文本情感分类方法对新领域的文本进行分类的精度更高。
-
公开(公告)号：CN101739430B
公开(公告)日：2015-11-25
申请号：CN200810227105.5
申请日：2008-11-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于关键词的文本情感分类器训练方法和分类方法，其中情感分类器训练方法包括下列步骤：1)在旧领域训练集和新领域测试集的文本的关键词中挑选枢纽特征；2)计算描述所述枢纽特征与所述旧领域训练集和新领域测试集的文本中词语的关系的矩阵W；3)由所述旧领域训练集和新领域测试集内的文本构成矩阵X，在映射空间X·W上训练分类器。根据本发明的文本情感分类方法对新领域的文本进行分类的精度更高。
-
公开(公告)号：CN101882136A
公开(公告)日：2010-11-10
申请号：CN200910083522.1
申请日：2009-05-08
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种文本情感倾向性分析方法，包括下列步骤：1)根据训练文本的标签确定测试文本的初始情感分；2)基于图排序算法利用所述测试文本的初始情感分迭代计算所述测试文本的情感分并进行归一化；3)当所述迭代结束时，根据所述计算的结果判别所述测试文本的情感倾向性。本发明提供的文本情感倾向性方法能够大幅提高对新领域的文本进行分类的精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.034 seconds)
