基于LDA的多粒度主题情感混合模型

被引：24

作者：

欧阳继红 ^{[1
,2
]}

刘燕辉 ^{[1
,2
]}

李熙铭 ^{[1
,2
]}

周晓堂 ^{[1
,2
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 符号计算与知识工程教育部重点实验室

来源：

电子学报 | 2015年 / 43卷 / 09期

关键词：

LDA; 主题情感混合模型; 情感分析; 多粒度;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

主题情感混合模型(Reverse-Joint Sentiment/Topic Model;Joint Sentiment/Topic Model)能够有效地同时抽取文档的主题和情感信息,在情感分析领域受到广泛的关注,因为没有考虑整体分布与局部分布的关系,导致分类效果不佳且不稳定.本文同时考虑两个粒度上的情感/主题分布——文档级和局部,提出多粒度的主题情感混合模型(MG-.R-JST;MG-JST).MG-R-JST/MG-JST、在文档级分布和局部分布的共同作用下生成单词的情感/主题;使用吉布斯采样进行模型推理,并给出了推理过程;在MR与MDS数据集上进行实验,实验结果表明本文算法分类效果优于主题情感混合模型,且稳定性更好.

引用

页码：1875 / 1880

页数：6

共 5 条

[1] 基于共享背景主题的Labeled LDA模型 [J].

江雨燕 ;

李平 ;

王清 .

电子学报, 2013, 41 (09) :1794-1799

[2] 基于概率主题模型的文档聚类 [J].

王李冬 ;

魏宝刚 ;

袁杰 .

电子学报, 2012, 40 (11) :2346-2350

[3] 文本情感分析 [J].

赵妍妍 ;

秦兵 ;

刘挺 .

软件学报, 2010, 21 (08) :1834-1848

[4]

Dynamic joint sentiment-topic model[J] . Yulan He,Chenghua Lin,Wei Gao,Kam-Fai Wong.ACM Transactions on Intelligent Systems and Technology （TIST） . 2014 (1)

[5]

Statistical topic models for multi-label document classification[J] . Timothy Rubin,America Chambers,Padhraic Smyth,Mark Steyvers.Machine Learning . 2012 (1)

← 1 →