面向产品评论分析的短文本情感主题模型

被引：51

作者：

熊蜀峰 ^{[1
,2
]}

姬东鸿 ^{[1
]}

机构：

[1] 武汉大学计算机学院

[2] 平顶山学院

来源：

自动化学报 | 2016年 / 42卷 / 08期

关键词：

情感分类; 情感主题模型; 主题模型; 短文本主题模型; 文本稀疏;

D O I：

暂无

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：

情感主题联合生成模型已经成功应用于网络评论分析.然而,随着智能终端设备的广泛应用,由于屏幕及输入限制,用户书写的评论越来越短,我们不得不面对短评论中的文本稀疏问题.本文提出了一个针对短文本的联合情感–主题模型SSTM(Short-text sentiment-topic model)来解决稀疏性问题.不同于一般主题模型中通常采用的基于文档产生过程的建模方法,我们直接对整个语料集合的产生过程建模.在产生文档集的过程中,我们每次采样一个词对,同一个词对中的词有相同的情感极性和主题.我们将SSTM模型应用于两个真实网络评论数据集.在三个实验任务中,通过定性分析验证了主题发现的有效性,并与经典方法进行定量对比,SSTM模型的文档级情感分类性能也有较大提升.

引用

页码：1227 / 1237

页数：11

共 5 条

[1]

轻型评论的情感分析研究 [J].

张林 ;

钱冠群 ;

樊卫国 ;

华琨 ;

张莉 .

软件学报, 2014, 25 (12) :2790-2807

[2]

基于浅层句法特征的评价对象抽取研究 [J].

徐冰 ;

赵铁军 ;

王山雨 ;

郑德权 .

自动化学报, 2011, 37 (10) :1241-1247

[3]

基于图的篇章内外特征相融合的评价句极性识别(英文)[J] 赵妍妍;秦兵;刘挺; 自动化学报 2010, 10

[4]

Empirical study of topic modeling in twitter HONG L;DAVISON B D; Proceedings of the 1st Workshop on Social Media Analytics 2010,

[5]

Sentiment classification using word sub-sequences and dependency sub-trees Shotaro Matsumoto;Hiroya Takamura;Manabu Okumura; Advances in Knowledge Discovery and Data Mining 2005,

← 1 →