一種基于情緒傾向性的新聞分類方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及自然語言處理及模式識別技術(shù)領(lǐng)域，尤其涉及一種基于情緒傾向性的 新聞分類方法及系統(tǒng)。
【背景技術(shù)】
[0002] 目前，用戶可以通過多種網(wǎng)絡(luò)對新聞中的人物、事件和現(xiàn)象等表達自己的觀點和 態(tài)度。在用戶的活動中，用戶對事或者物的態(tài)度往往與用戶的情緒傾向是緊密聯(lián)系的，也就 是說可以從用戶的情緒傾向觀察到用戶對事物的觀點傾向。其中，情緒傾向是指用戶內(nèi)在 的心理反應(yīng)與感受的傾向性，即積極情緒傾向或消極情緒傾向。
[0003] 所謂基于情緒傾向性的新聞分類，是指借助計算機幫助用戶快速獲取、整理和分 析相關(guān)情緒傾向信息，對新聞的新聞內(nèi)容和評論內(nèi)容進行分析、處理、歸納和推理的過程。 按情緒傾向劃分新聞就是將新聞標記為某種情緒傾向類別的新聞。而現(xiàn)有技術(shù)中并不存在 基于情緒傾向?qū)π侣勥M行分類的技術(shù)方案。
[0004] 另外，現(xiàn)有技術(shù)通常是利用主題分類技術(shù)對新聞進行分類、管理和檢索的，例如基 于新聞的主題（如體育、經(jīng)濟、娛樂、政治等）對新聞進行分類、管理和檢索。而針對不同主 題的新聞，用戶產(chǎn)生的情緒傾向也會不同。
[0005] 綜上所述可以看出，如何基于情緒傾向性對新聞進行分類，從而改善用戶瀏覽新 聞時的用戶體驗是目前亟待解決的問題。

【發(fā)明內(nèi)容】

[0006] 有鑒于此，本發(fā)明的目的是提供一種基于情緒傾向性的新聞分類方法及系統(tǒng)，實 現(xiàn)了基于情緒傾向性對新聞進行分類的目的，從而改善了用戶瀏覽新聞時的用戶體驗。其 具體方案如下：
[0007] 一種基于情緒傾向性的新聞分類方法，包括：
[0008] 利用預(yù)先構(gòu)建的與多種內(nèi)容一一對應(yīng)的多個基分類器，分別對待分類新聞的相應(yīng) 內(nèi)容進行分類，得到每個所述基分類器的分類結(jié)果；
[0009] 將每個所述基分類器的分類結(jié)果依據(jù)情緒傾向類別相應(yīng)地進行融合，得到最終分 類結(jié)果；
[0010] 根據(jù)所述最終分類結(jié)果，對所述待分類新聞進行情緒傾向判定，得到所述待分類 新聞含有的情緒傾向類別；其中，所述情緒傾向判定為，判定所述待分類新聞是否含有用戶 看到所述待分類新聞時產(chǎn)生的情緒傾向。
[0011] 優(yōu)選的，每個所述基分類器的分類結(jié)果均包括與兩個情緒傾向類別對應(yīng)的后驗概 率；其中，與任一情緒傾向類別對應(yīng)的后驗概率為所述待分類新聞含有該情緒傾向類別的 后驗概率；
[0012] 所述將每個所述基分類器的分類結(jié)果依據(jù)情緒傾向類別相應(yīng)地進行融合，得到最 終分類結(jié)果的過程包括：
[0013] 將每個所述基分類器的分類結(jié)果中與同一情緒傾向類別對應(yīng)的后驗概率分別相 加，相應(yīng)地得到每一情緒傾向類別對應(yīng)的最終后驗概率；
[0014] 所述根據(jù)所述最終分類結(jié)果，對所述待分類新聞進行情緒傾向判定，得到所述待 分類新聞含有的情緒傾向類別的過程包括：
[0015] 比較兩種情緒傾向類別對應(yīng)的最終后驗概率的大小；當某種情緒傾向類別對應(yīng)的 最終后驗概率最大時，則判定該情緒傾向類別為所述待分類新聞含有的情緒傾向類別，否 貝1J，判定另一種情緒傾向類別為所述待分類新聞含有的情緒傾向類別。
[0016] 優(yōu)選的，所述多個基分類器的構(gòu)建過程包括：
[0017] 采集已獲知情緒傾向類別的預(yù)設(shè)數(shù)量的新聞；
[0018] 從所述預(yù)設(shè)數(shù)量的新聞中，將新聞的所述多種內(nèi)容分開，分別得到只含有同一種 內(nèi)容的新聞集；
[0019] 分別將所述預(yù)設(shè)數(shù)量的新聞中只含有同一種內(nèi)容的新聞集作為一個基分類器的 訓(xùn)練集合；
[0020] 采用機器學(xué)習(xí)分類方法對所述訓(xùn)練集合進行分類，得到相應(yīng)的基分類器。
[0021] 優(yōu)選的，所述多種內(nèi)容包括新聞內(nèi)容和評論內(nèi)容；
[0022] 所述從所述預(yù)設(shè)數(shù)量的新聞中，將新聞的所述多種內(nèi)容分開，分別得到只含有同 一種內(nèi)容的新聞集的過程包括：
[0023] 從所述預(yù)設(shè)數(shù)量的新聞中，將含有新聞內(nèi)容和評論內(nèi)容的新聞進行分開處理，分 別得到只含有新聞內(nèi)容的新聞集和只含有評論內(nèi)容的新聞集。
[0024] 優(yōu)選的，所述機器學(xué)習(xí)分類方法為樸素貝葉斯分類方法。
[0025] 本發(fā)明還公開了一種基于情緒傾向性的新聞分類系統(tǒng)，包括：
[0026] 構(gòu)建模塊，用于預(yù)先構(gòu)建與多種內(nèi)容 對應(yīng)的多個基分類器；
[0027] 分類模塊，用于利用預(yù)先構(gòu)建的所述多個基分類器，分別對待分類新聞的相應(yīng)內(nèi) 容進行分類，得到每個所述基分類器的分類結(jié)果；
[0028] 融合模塊，用于將每個所述基分類器的分類結(jié)果依據(jù)情緒傾向類別相應(yīng)地進行融 合，得到最終分類結(jié)果；
[0029] 判定模塊，用于根據(jù)所述最終分類結(jié)果，對所述待分類新聞進行情緒傾向判定，得 到所述待分類新聞含有的情緒傾向類別；其中，所述情緒傾向判定為，判定所述待分類新聞 是否含有用戶看到所述待分類新聞時產(chǎn)生的情緒傾向。
[0030] 優(yōu)選的，每個所述基分類器的分類結(jié)果均包括與兩個情緒傾向類別對應(yīng)的后驗概 率；其中，與任一情緒傾向類別對應(yīng)的后驗概率為所述待分類新聞含有該情緒傾向類別的 后驗概率；
[0031] 所述融合模塊包括：
[0032] 求和單元，用于將每個所述基分類器的分類結(jié)果中與同一情緒傾向類別對應(yīng)的后 驗概率分別相加，相應(yīng)地得到每一情緒傾向類別對應(yīng)的最終后驗概率；
[0033] 所述判定模塊包括：
[0034] 比較單元，用于比較兩種情緒傾向類別對應(yīng)的最終后驗概率的大?。?br>[0035] 判定單元，用于當某種情緒傾向類別對應(yīng)的最終后驗概率最大時，則判定該情緒 傾向類別為所述待分類新聞含有的情緒傾向類別，否則，判定另一種情緒傾向類別為所述 待分類新聞含有的情緒傾向類別。
[0036] 優(yōu)選的，所述構(gòu)建模塊包括：
[0037] 采集單元，用于采集已獲知情緒傾向類別的預(yù)設(shè)數(shù)量的新聞；
[0038] 第一獲取單元，用于從所述預(yù)設(shè)數(shù)量的新聞中，將新聞的所述多種內(nèi)容分開，分別 得到只含有同一種內(nèi)容的新聞集；
[0039] 第二獲取單元，用于分別將所述預(yù)設(shè)數(shù)量的新聞中只含有同一種內(nèi)容的新聞集作 為一個基分類器的訓(xùn)練集合；
[0040] 分類單元，用于采用機器學(xué)習(xí)分類方法對所述訓(xùn)練集合進行分類，得到相應(yīng)的基 分類器。
[0041] 優(yōu)選的，所述多種內(nèi)容包括新聞內(nèi)容和評論內(nèi)容；
[0042] 所述第一獲取單元具體用于從所述預(yù)設(shè)數(shù)量的新聞中，將含有新聞內(nèi)容和評論內(nèi) 容的新聞進行分開處理，分別得到只含有新聞內(nèi)容的新聞集和只含有評論內(nèi)容的新聞集。
[0043] 優(yōu)選的，所述機器學(xué)習(xí)分類方法為樸素貝葉斯分類方法。
[0044] 在本發(fā)明中，使用預(yù)先構(gòu)建的基分類器對待分類新聞的相應(yīng)內(nèi)容進行分類，得到 每個基分類器的分類結(jié)果，將每個基分類器的分類結(jié)果依據(jù)情緒傾向類別相應(yīng)地進行融 合，得到最終分類結(jié)果，再根據(jù)最終分類結(jié)果，分別對待分類新聞進行情緒傾向判定，得到 判定結(jié)果。由于情緒傾向判定是指判定待分類新聞是否含有用戶看到待分類新聞時產(chǎn)生的 情緒傾向，判定結(jié)果表明待分類新聞含有的情緒傾向，所以使用判定結(jié)果，即可以得到待分 類新聞含有的情緒傾向類別。當獲知待分類新聞含有的情緒傾向類別后，可以將待分類新 聞劃分到其含有的情緒傾向類別對應(yīng)的新聞中，實現(xiàn)了基于情緒傾向性對新聞進行分類的 目的，從而改善了用戶瀏覽新聞時的用戶體驗。
[0045] 當然，本申請?zhí)峁┑男侣劮诸惙椒ㄟ€可以應(yīng)用到新聞推薦系統(tǒng)中，在依據(jù)情緒傾 向?qū)Υ诸愋侣勥M行劃分后，進一步依據(jù)不同情緒傾向推薦新聞，使推薦給用戶的新聞更 能滿足用戶當前的需求。
【附圖說明】
[0046] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0047] 圖1為本發(fā)明實施例公開的一種基于情緒傾向性的新聞分類方法流程圖；
[0048] 圖2為本發(fā)明實施例公開的一種基于情緒傾向性的新聞分類方法的子流程圖；
[0049] 圖3為本發(fā)明實施例公開的一種基于情緒傾向性的新聞分類系統(tǒng)結(jié)構(gòu)示意圖；
[0050] 圖4為本發(fā)明實施例公開的一種基于情緒傾向性的新聞分類系統(tǒng)中構(gòu)建模塊的 結(jié)構(gòu)示意圖。
【具體實施方式】
[0051] 下面將結(jié)合本發(fā)明實