基于主题加权LDA模型的情感分类方法

被引：9

作者：

王飞雪 ^{[1
]}

李芳 ^{[2
]}

机构：

[1] 重庆人文科技学院计算机工程学院

[2] 重庆大学计算机学院

来源：

西南师范大学学报(自然科学版) | 2018年 / 43卷 / 09期

关键词：

LDA模型; 特征加权; 主题模型; 情感分类;

D O I：

10.13718/j.cnki.xsxb.2018.09.007

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

针对LDA(Latent Dirichlet Allocation)主题模型生成的大量topic,很大部分topic内部词语相关度很低,可解释性差,对语言模型后的应用效果带来一定的影响.针对这一问题,该文提出了一种基于主题加权LDA模型的情感分类方法,该模型实现不同主题中内部相关的词语特征加权计算,能够消除不同主题内具有相关度词语的相互影响.实验结果表明,与传统LDA模型分类方法对比,该文提出的基于主题加权LDA模型的情感分类方法平均F1值提高了6.7%～8.1%,验证了该文提出的方法是有效的,提高了分类效果.

引用

页码：38 / 44

页数：7

共 8 条

[1]

微博个性化标签图形化RTM模型Gibbs采样推荐 [J].