一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法
【專利摘要】本發(fā)明涉及一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法，屬于自然語言處理應(yīng)用【技術(shù)領(lǐng)域】，包括以下步驟：首先根據(jù)詞性、依存和語義角色信息，構(gòu)建評(píng)價(jià)對(duì)象的領(lǐng)域詞典DL，然后充分挖掘詞匯、依存、相對(duì)位置和語義角色四方面的特征，與DL一起利用條件隨機(jī)場(chǎng)(CRFs)進(jìn)行模型訓(xùn)練和預(yù)測(cè)，從而完成評(píng)價(jià)對(duì)象的抽取工作。對(duì)比現(xiàn)有技術(shù)，根據(jù)中文句子特別是微博、論壇評(píng)論信息結(jié)構(gòu)靈活多樣、構(gòu)成方法變化多、句子特征較少的特點(diǎn)，充分利用不同層級(jí)句法和語義信息，結(jié)合基于規(guī)則和機(jī)器學(xué)習(xí)的評(píng)價(jià)對(duì)象抽取方法的優(yōu)點(diǎn)，自動(dòng)快速而且準(zhǔn)確地找到語料中置信度較高的評(píng)價(jià)對(duì)象，提高了中文句子評(píng)價(jià)對(duì)象抽取的準(zhǔn)確率。
【專利說明】一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種中文句子評(píng)價(jià)對(duì)象抽取方法，特別涉及一種基于領(lǐng)域詞典和語 義角色的評(píng)價(jià)對(duì)象抽取方法，屬于自然語言處理應(yīng)用【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)特別是web2. 0的發(fā)展，越來越多的人不僅僅通過網(wǎng)絡(luò)獲取信息，而且 還更多的參與到網(wǎng)絡(luò)的交流。博客、微博、論壇的形成發(fā)展極大地改變了人們的使用互聯(lián)網(wǎng) 的方式。伴隨著互聯(lián)網(wǎng)的發(fā)展，通過人工的方式了解網(wǎng)絡(luò)的海量信息，對(duì)網(wǎng)絡(luò)上的信息進(jìn)行 整合分析變得越來越困難。對(duì)網(wǎng)絡(luò)文本的抓取和分析技術(shù)就是這樣的應(yīng)用背景下應(yīng)運(yùn)而 生。由于越來越多的網(wǎng)絡(luò)文本信息，如何使用自然語言處理技術(shù)來分析網(wǎng)絡(luò)的文本是當(dāng)前 研究的一個(gè)主題。情感要素抽取是對(duì)文本中重要的情感要素比如評(píng)價(jià)詞，評(píng)價(jià)對(duì)象，評(píng)價(jià)者 等進(jìn)行提取，是細(xì)粒度的情感挖掘，也變得越來越重要。
[0003] 大數(shù)據(jù)時(shí)代的到來，對(duì)網(wǎng)絡(luò)上的信息進(jìn)行有效的整合分析已經(jīng)是研究者一個(gè)十分 重要的研究課題。情感信息抽取，特別是細(xì)粒度的情感要素抽取，在近幾年得到了越來越多 的重視。情感要素抽取對(duì)情感信息抽取技術(shù)的研究有著十分重要的研究意義，在網(wǎng)絡(luò)評(píng)論 信息分析處理、輿情監(jiān)控、信息預(yù)測(cè)等領(lǐng)域發(fā)揮了越來越重要的影響。
[0004] 評(píng)價(jià)對(duì)象抽取技術(shù)的研究，對(duì)上層情感信息檢索、分類以及專家系統(tǒng)等進(jìn)一 步的研究，有著十分重要的學(xué)術(shù)價(jià)值。評(píng)價(jià)對(duì)象抽?。∣pinion Targets Extraction/ I dent ificat i on)是對(duì)句子中觀點(diǎn)的指向詞進(jìn)行識(shí)別。評(píng)價(jià)對(duì)象指的是句子中表述觀點(diǎn)和發(fā) 表評(píng)論所針對(duì)的對(duì)象；評(píng)價(jià)詞是句子中發(fā)表觀點(diǎn)所用的詞匯，也稱為情感詞。隨著評(píng)價(jià)對(duì)象 抽取任務(wù)的提出，相繼出現(xiàn)了不同的抽取算法，主要分為基于規(guī)則的方法和基于機(jī)器學(xué)習(xí) 的方法。通常基于規(guī)則的方法主要是采用句子中詞、詞性等模板特征，例如基于關(guān)聯(lián)規(guī)則的 方法?；谝?guī)則的方法對(duì)特定領(lǐng)域的效果較好，但是領(lǐng)域適應(yīng)性較差?；跈C(jī)器學(xué)習(xí)的方 法在近年來才得以在評(píng)價(jià)對(duì)象抽取任務(wù)上進(jìn)行研究。當(dāng)前主要有CRFs、HMM、LDA等機(jī)器學(xué) 習(xí)模型?；跈C(jī)器學(xué)習(xí)的方法，受到目前句子短、特征少、語料庫不足等影響，不能滿足當(dāng)前 實(shí)際使用的需要。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決現(xiàn)有基于規(guī)則的評(píng)價(jià)對(duì)象抽取方法領(lǐng)域適應(yīng)性差、基于 機(jī)器學(xué)習(xí)的方法對(duì)有限的中文標(biāo)注語料庫不能充分挖掘出特征的問題，提出一種基于領(lǐng)域 詞典和語義角色的中文句子評(píng)價(jià)對(duì)象抽取方法。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案如下：
[0007] 本發(fā)明技術(shù)方案的思想是首先根據(jù)詞性、依存和語義角色信息，構(gòu)建評(píng)價(jià)對(duì)象的 領(lǐng)域詞典DL，然后充分挖掘詞匯、依存、相對(duì)位置和語義角色四方面的特征，與DL -起利用 條件隨機(jī)場(chǎng)（CRFs)進(jìn)行模型訓(xùn)練和預(yù)測(cè)，從而完成評(píng)價(jià)對(duì)象的抽取工作。
[0008] -種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法，該方法包括以下步驟：
[0009] 步驟一、語料預(yù)處理：對(duì)語料集S的每一個(gè)句子按照規(guī)則（Rules)進(jìn)行過濾，然后 對(duì)過濾后的句子集合進(jìn)行分詞、詞性標(biāo)注得到語料集T ;
[0010] 步驟二、領(lǐng)域詞典（DL)構(gòu)建：首先通過對(duì)語料集T進(jìn)行分析，總結(jié)出詞性序列模板 集合（posT)，并將posT中的每一個(gè)模板分別與T中每一個(gè)已分詞的句子的詞性序列進(jìn)行匹 配，得到評(píng)價(jià)對(duì)象集合A ;然后對(duì)T中的每一個(gè)句子進(jìn)行依存結(jié)果類型分析，通過分析評(píng)價(jià) 對(duì)象與評(píng)價(jià)詞之間的依存關(guān)系類型，得到評(píng)價(jià)對(duì)象集合B ;接下來通過一個(gè)基于語義角色 的評(píng)價(jià)對(duì)象提取算法，得到評(píng)價(jià)對(duì)象集合C ;最后，對(duì)集合A、B、C取并集，得到集合D，作為 最終的DL ;
[0011] 步驟三、CRFs特征選擇：使用詞匯特征、依存特征、相對(duì)位置特征和語義角色特征 作為CRFs的特征；所述詞匯特征部分，選擇當(dāng)前詞及其詞性作為此部分特征；所述依存特 征部分，選取當(dāng)前詞與中心詞是否存在依存關(guān)系、該依存關(guān)系的類型、當(dāng)前詞的父節(jié)點(diǎn)以及 父節(jié)點(diǎn)的詞性作為此部分特征；所述相對(duì)位置特征部分，以當(dāng)前詞與評(píng)價(jià)詞之間的距離是 否小于η作為本部分特征，η是一個(gè)大于零的自然數(shù)；所述語義角色特征部分，選取語義角 色名字和評(píng)價(jià)詞詞性作為該部分的特征；
[0012] 步驟四、利用CRFs進(jìn)行評(píng)價(jià)對(duì)象抽取：首先對(duì)語料集Τ進(jìn)行Β，I，0標(biāo)注，然后將 步驟三提取的四部分特征、步驟二構(gòu)建的DL及ΒΙ0標(biāo)注一起加入CRFs進(jìn)行訓(xùn)練；并使用此 訓(xùn)練后的CRFs對(duì)步驟三提取的四部分特征和步驟二構(gòu)建的DL進(jìn)行評(píng)價(jià)對(duì)象識(shí)別，給出ΒΙ0 分類結(jié)果；
[0013] 步驟五、抽取完成，輸出抽取結(jié)果0T集合，即分類結(jié)果為B或以B開頭后跟若干個(gè) I的詞的集合。
[0014] 所述Rules包含以下六項(xiàng)內(nèi)容：
[0015] 規(guī)則1:去除純英文句子；
[0016] 規(guī)則2 :對(duì)句子進(jìn)行"http://"劃分，并且使分句順序倒置；
[0017] 規(guī)則3 :對(duì)句子中用戶名和網(wǎng)址進(jìn)行刪除；
[0018] 規(guī)則4 :對(duì)連續(xù)出現(xiàn)的多個(gè)相同標(biāo)點(diǎn)符號(hào)，用第一個(gè)標(biāo)點(diǎn)符號(hào)進(jìn)行替換，同時(shí)去除 表情標(biāo)示符；
[0019] 規(guī)則5 :對(duì)于微博中特殊的"#內(nèi)容#"，則把較短內(nèi)容直接作為候選評(píng)價(jià)對(duì)象，較長 內(nèi)容作為一個(gè)單獨(dú)的句子另行分析；
[0020] 規(guī)則6 :對(duì)句子中的代詞，選擇其前句或后句中的名詞性主語將其替換。
[0021] 所述posT的獲取過程如下：
[0022] 首先對(duì)語料集T中的詞性標(biāo)注進(jìn)行替換，將屬于比較詞、主張?jiān)~和程度副詞的詞 語的詞性標(biāo)注改成cmp，aw和adv ;對(duì)于T中的每一個(gè)句子，提取其評(píng)價(jià)對(duì)象前兩個(gè)、前一 個(gè)、后兩個(gè)、后一個(gè)詞與評(píng)價(jià)對(duì)象的詞性一起作為模板提取出來，如果評(píng)價(jià)對(duì)象不是一個(gè)單 獨(dú)的詞，而是由多個(gè)詞的組合，則將這些組合詞的詞性，組合起來形成模板；按照這種規(guī)則 處理T中的所有句子，并計(jì)算每一個(gè)模板的出現(xiàn)概率；最后，將出現(xiàn)概率最高的m個(gè)模板提 取出來作為P〇sT，m是一個(gè)大于零的自然數(shù)。
[0023] 所述集合A的獲取過程如下：
[0024] 將posT中的每一個(gè)模板分別與T中每一個(gè)已分詞的句子的詞性序列進(jìn)行匹配，將 匹配得到的所有詞性序列中詞性為η的詞提取出來，去掉重復(fù)，構(gòu)成集合A。
[0025] 所述集合B的獲取過程如下：
[0026] 對(duì)語料集T中的每個(gè)句子進(jìn)行依存分析，找出與評(píng)價(jià)詞集合0中的詞存在ATT或 SBV關(guān)系的詞作為評(píng)價(jià)對(duì)象，加入集合B，然后再選取與已知評(píng)級(jí)對(duì)象B中現(xiàn)存詞的關(guān)系為 C00的詞，也添加入B，形成最終的集合B。
[0027] 所述基于語義角色的評(píng)價(jià)對(duì)象提取算法具體內(nèi)容如下：
[0028] 對(duì)于句子中的評(píng)價(jià)詞，如果評(píng)價(jià)詞詞性為動(dòng)詞，則選取受事者（即該動(dòng)作的承受 者）作為評(píng)價(jià)對(duì)象，而如果評(píng)價(jià)詞詞性為形容詞，則選取施事者（即該動(dòng)作的發(fā)出者）作為 評(píng)價(jià)對(duì)象。
[0029] 所述ΒΙ0標(biāo)注的具體過程如下：
[0030] 首先對(duì)于每一個(gè)句子，找出對(duì)應(yīng)的評(píng)價(jià)對(duì)象；然后遍歷該句子分詞結(jié)果中的每一 個(gè)詞，如果其是該句所對(duì)應(yīng)的評(píng)價(jià)對(duì)象中的第一個(gè)詞，則標(biāo)注為B ;若其是該句所對(duì)應(yīng)的評(píng) 價(jià)對(duì)象中的其他詞，則標(biāo)注為I ;其他情況，全部標(biāo)注為〇。
[0031] 有益效果
[0032] 本發(fā)明對(duì)比現(xiàn)有技術(shù)，根據(jù)中文句子特別是微博、論壇評(píng)論信息結(jié)構(gòu)靈活多樣、構(gòu) 成方法變化多、句子特征較少的特點(diǎn)，利用基于規(guī)則的句子過濾方法，去掉了部分冗余的信 息，然后通過挖掘句子詞匯、句法和語義各方面的信息，通過規(guī)則的方法建立評(píng)價(jià)對(duì)象的領(lǐng) 域詞典；并將其和語義角色特征，輔以其他三種常用特征一起使用CRFs進(jìn)行識(shí)別，充分利 用了不同層級(jí)句法和語義信息，使用戶能夠更快速而且準(zhǔn)確地找到語料中置信度較高的評(píng) 價(jià)對(duì)象，提高了中文句子評(píng)價(jià)對(duì)象抽取的準(zhǔn)確率。

【專利附圖】

【附圖說明】
[0033] 圖1為本發(fā)明方法的流程圖。

【具體實(shí)施方式】
[0034] 下面結(jié)合實(shí)施例對(duì)本發(fā)明做進(jìn)一步說明。
[0035] 本實(shí)施例選取第六屆中文傾向性分析評(píng)測(cè)（The Sixth Chinese Opinion Analysis Evaluation,簡(jiǎn)稱C0AE2014)任務(wù)四提供的數(shù)據(jù)集作為實(shí)驗(yàn)語料集，用于領(lǐng)域詞 典的創(chuàng)建和CRFs的訓(xùn)練。該語料集中，對(duì)于每一個(gè)句子，都含有標(biāo)注好的評(píng)價(jià)對(duì)象（0T :是 評(píng)價(jià)對(duì)象）。
[0036] 步驟一，對(duì)語料集S(多為微博、論壇中的句子）按照規(guī)則（Rules)進(jìn)行初步過濾。 Rules的具體內(nèi)容如下：
[0037] 規(guī)則1 :去除純英文句子（目前主要專注于中文句子的分析）；
[0038] 規(guī)則2 :對(duì)句子進(jìn)行"http://"劃分，并且使分句順序倒置；例如用戶a轉(zhuǎn)發(fā)了用戶b的 微博"iphone5S很漂亮。"，并在此微博中說"我很喜歡！"，在語料集S中則表示為："我很喜 歡！ //iph〇ne5S很漂亮。"，經(jīng)過此條規(guī)則過濾之后，得到"iphone5S很漂亮。我很喜歡！ "， 這樣就保證句子的轉(zhuǎn)發(fā)關(guān)系，使后面的句子基于前面的句子進(jìn)行分析。
[0039] 規(guī)則3 :對(duì)句子中用戶名進(jìn)行刪除，即刪除"@+用戶名"結(jié)構(gòu)，刪除"http:z7t.cn/ h87oy"這樣的網(wǎng)址結(jié)構(gòu)；
[0040] 規(guī)則4 :對(duì)連續(xù)出現(xiàn)的多個(gè)相同標(biāo)點(diǎn)符號(hào)，如"。。。。。。"，" ！?。?！ "等，采用第一個(gè)標(biāo) 點(diǎn)符號(hào)進(jìn)行替換，同時(shí)去除微博中表情標(biāo)示符；
[0041] 規(guī)則5 :對(duì)于微博中特殊的"#內(nèi)容#"，則把較短內(nèi)容直接作為候選評(píng)價(jià)對(duì)象，較長 內(nèi)容作為一個(gè)單獨(dú)的句子另行分析；
[0042] 規(guī)則6 :對(duì)句子中的代詞，選擇其前句或后句中的名詞性主語將其替換；例如句子 "這款iphone好漂亮。我覺得它比三星漂亮多了！"針對(duì)第二個(gè)句子中的"它"，我們則用其 前句的"iphone"代替；
[0043] 接著對(duì)通過以上規(guī)則過濾后得到的句子集合，分別進(jìn)行分詞和詞性標(biāo)注，得到集 合T ;分詞和詞性標(biāo)注可以手工進(jìn)行，也可以使用現(xiàn)有的工具進(jìn)行，如ICTCLAS，結(jié)巴分詞， 本實(shí)施例中使用ICTCLAS。
[0044] 步驟二，開始構(gòu)建領(lǐng)域詞典：
[0045] 首先，根據(jù)處理后的語料集合T，在其中標(biāo)注好的評(píng)價(jià)對(duì)象0T附近，對(duì)其詞性和詞 本身進(jìn)行分析，具體分析流程如下：
[0046] 對(duì)于語料集T中每一個(gè)分好詞的句子，例如句子"輕薄的機(jī)身很漂亮。"分詞以及 詞性標(biāo)注的結(jié)果為{ "輕薄/adj" "的/de" "機(jī)身/η" "很/d" "漂亮/adj" "。/wp"};其 中本句所對(duì)應(yīng)的評(píng)價(jià)對(duì)象是"機(jī)身"。首先我們遍歷句子，去掉詞性標(biāo)注為wp的標(biāo)點(diǎn)符號(hào)， 同時(shí)將屬于比較詞、主張?jiān)~和程度副詞的詞語的詞性標(biāo)注改成cmp，aw和adv ;得到集合如 下{ "輕薄/adj" "的/de" "機(jī)身/η" "很/adv" "漂亮/adj"}我們以評(píng)價(jià)對(duì)象"機(jī)身"為 中心，分別按以下方式來提取模板：
[0047] a、前兩個(gè)詞的詞性+評(píng)價(jià)對(duì)象的詞性；
[0048] b、評(píng)價(jià)對(duì)象的詞性+后兩個(gè)詞的詞性；
[0049] c、評(píng)價(jià)對(duì)象的詞性+后一個(gè)詞的詞性；
[0050] d、前一個(gè)詞的詞性+評(píng)價(jià)對(duì)象的詞性；
[0051] e、如果一個(gè)評(píng)價(jià)對(duì)象不是一個(gè)單獨(dú)的詞，而是多個(gè)詞的組合，則將這些組合詞的 詞性按照其在句子中的出現(xiàn)順序依次連接起來作為評(píng)價(jià)對(duì)象的詞性形成模板；
[0052] 則以上例子提取出的模板為"adj+de+n" "n+adv+adj" "n+adv" "de+n" ；按上述 流程處理語料集T中的每一個(gè)句子，提取模板；同時(shí)計(jì)算每一個(gè)模板的出現(xiàn)概率，將出現(xiàn)概 率最高的m個(gè)模板作為詞性序列模板提取出來作為posT，經(jīng)多次實(shí)驗(yàn)，取m = 6,因此posT 的模板內(nèi)容具體如表1所示：
[0053] 表1詞性序列模板
[0054]

【權(quán)利要求】
1. 一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法，其特征在于，包括以下步驟： 步驟一、語料預(yù)處理：對(duì)語料集S的每一個(gè)句子按照規(guī)則（Rules)進(jìn)行過濾，然后對(duì)過 濾后的句子集合進(jìn)行分詞、詞性標(biāo)注，得到語料集T ;RuleS的具體內(nèi)容如下： 規(guī)則1 :去除純英文句子； 規(guī)則2 :對(duì)句子進(jìn)行"http://"劃分，并且使分句順序倒置； 規(guī)則3 :對(duì)句子中用戶名和網(wǎng)址進(jìn)行刪除； 規(guī)則4 :對(duì)連續(xù)出現(xiàn)的多個(gè)相同標(biāo)點(diǎn)符號(hào)，用第一個(gè)標(biāo)點(diǎn)符號(hào)進(jìn)行替換，同時(shí)去除表情 標(biāo)示符； 規(guī)則5 :對(duì)于微博中特殊的"#內(nèi)容#"，則把較短內(nèi)容直接作為候選評(píng)價(jià)對(duì)象，較長內(nèi)容 作為一個(gè)單獨(dú)的句子另行分析； 規(guī)則6 :對(duì)句子中的代詞，選擇其前句或后句中的名詞性主語將其替換； 步驟二、領(lǐng)域詞典（DL)構(gòu)建：首先通過對(duì)語料集T進(jìn)行分析，總結(jié)出詞性序列模板集合 (posT)，并將posT中的每一個(gè)模板分別與T中每一個(gè)已分詞的句子的詞性序列進(jìn)行匹配， 得到評(píng)價(jià)對(duì)象集合A ;然后對(duì)T中的每一個(gè)句子進(jìn)行依存結(jié)果類型分析，通過分析評(píng)價(jià)對(duì)象 與評(píng)價(jià)詞之間的依存關(guān)系類型，得到評(píng)價(jià)對(duì)象集合B;接下來通過一個(gè)基于語義角色的評(píng) 價(jià)對(duì)象提取算法，得到評(píng)價(jià)對(duì)象集合C ;最后，對(duì)集合A、B、C取并集，得到集合D，作為最終 的DL ; 所述posT的獲取過程如下： 首先對(duì)語料集T中的詞性標(biāo)注進(jìn)行替換，將屬于比較詞、主張?jiān)~和程度副詞的詞語的 詞性標(biāo)注改成cmp，aw和adv ;對(duì)于T中的每一個(gè)句子，提取其評(píng)價(jià)對(duì)象前兩個(gè)、前一個(gè)、后 兩個(gè)、后一個(gè)詞與評(píng)價(jià)對(duì)象的詞性一起作為模板提取出來，如果評(píng)價(jià)對(duì)象不是一個(gè)單獨(dú)的 詞，而是由多個(gè)詞的組合，則將這些組合詞的詞性，組合起來形成模板；按照這種規(guī)則處理 T中的所有句子，并計(jì)算每一個(gè)模板的出現(xiàn)概率；最后，將出現(xiàn)概率最高的m個(gè)模板提取出 來作為posT，m是一個(gè)大于零的自然數(shù)； 所述集合A的獲取過程如下： 將posT中的每一個(gè)模板分別與T中每一個(gè)已分詞的句子的詞性序列進(jìn)行匹配，將匹配 得到的所有詞性序列中詞性為η (名詞）的詞提取出來，去掉重復(fù)，構(gòu)成集合A ; 所述集合B的獲取過程如下： 對(duì)語料集T中的每個(gè)句子進(jìn)行依存分析，找出與評(píng)價(jià)詞集合0中的詞存在ATT或SBV 關(guān)系的詞作為評(píng)價(jià)對(duì)象，加入集合B，然后再選取與已知評(píng)級(jí)對(duì)象B中現(xiàn)存詞的關(guān)系為C00 的詞，也添加入B，形成最終的集合B ; 所述基于語義角色的評(píng)價(jià)對(duì)象提取算法具體內(nèi)容如下： 對(duì)于句子中的評(píng)價(jià)詞，如果評(píng)價(jià)詞詞性為動(dòng)詞，則選取受事者（即該動(dòng)作的承受者）作 為評(píng)價(jià)對(duì)象，而如果評(píng)價(jià)詞詞性為形容詞，則選取施事者（即該動(dòng)作的發(fā)出者）作為評(píng)價(jià)對(duì) 象； 步驟三、CRFs特征選擇：使用詞匯特征、依存特征、相對(duì)位置特征和語義角色特征作為 CRFs的特征；所述詞匯特征部分，選擇當(dāng)前詞及其詞性作為此部分特征；所述依存特征部 分，選取當(dāng)前詞與中心詞是否存在依存關(guān)系、該依存關(guān)系的類型、當(dāng)前詞的父節(jié)點(diǎn)以及父節(jié) 點(diǎn)的詞性作為此部分特征；所述相對(duì)位置特征部分，以當(dāng)前詞與評(píng)價(jià)詞之間的距離是否小 于η作為本部分特征，η是一個(gè)大于零的自然數(shù)；所述語義角色特征部分，選取語義角色名 字和評(píng)價(jià)詞詞性作為該部分的特征； 步驟四、利用CRFs進(jìn)行評(píng)價(jià)對(duì)象抽?。菏紫葘?duì)語料集Τ進(jìn)行Β，I，0標(biāo)注，然后將步驟三 提取的CRFs特征、步驟二構(gòu)建的DL以及BIO標(biāo)注一起加入CRFs進(jìn)行訓(xùn)練；并使用此訓(xùn)練 后的CRFs對(duì)步驟三提取的四部分特征和步驟二構(gòu)建的DL進(jìn)行評(píng)價(jià)對(duì)象識(shí)別，給出BIO分 類結(jié)果； 所述BIO標(biāo)注的具體過程如下： 首先對(duì)于每一個(gè)句子，找出對(duì)應(yīng)的評(píng)價(jià)對(duì)象；然后遍歷該句子分詞結(jié)果中的每一個(gè)詞， 如果其是該句所對(duì)應(yīng)的評(píng)價(jià)對(duì)象中的第一個(gè)詞，則標(biāo)注為B ;若其是該句所對(duì)應(yīng)的評(píng)價(jià)對(duì) 象中的其他詞，則標(biāo)注為I ;其他情況，全部標(biāo)注為〇 ; 步驟五、抽取完成，輸出抽取結(jié)果0T集合，即分類結(jié)果為B或以B開頭后跟若干個(gè)I的 詞的組合的集合。
2. 根據(jù)權(quán)利要求1所述的一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法，其特征 在于，m = 6。
3. 根據(jù)權(quán)利要求1或2所述的一種基于領(lǐng)域詞典和語義角色的評(píng)價(jià)對(duì)象抽取方法，其 特征在于，η = 5。
【文檔編號(hào)】G06F17/30GK104268160SQ201410453074
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月5日 優(yōu)先權(quán)日:2014年9月5日
【發(fā)明者】馮沖, 廖純, 楊森, 黃河燕 申請(qǐng)人:北京理工大學(xué)