基于主题情感混合模型的细粒度观点挖掘

被引：4

作者：

马长林 ^{[1
]}

谢罗迪 ^{[1
]}

王梦 ^{[1
]}

司琪 ^{[1
]}

机构：

[1] 华中师范大学计算机学院

来源：

华中科技大学学报(自然科学版) | 2015年 / S1期

关键词：

观点挖掘; 潜在狄利克雷分布模型; 主题情感混合模型; 最大熵; 细粒度;

D O I：

10.13245/j.hust.15s1016

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

在对标准潜在狄利克雷分布(LDA)模型进行改进的基础上,提出了一个主题情感混合最大熵LDA模型对在线评论进行细粒度观点挖掘.首先,在传统LDA模型中加入最大熵组件来区分背景词、特征词和观点词,并对特征词和观点词进行局部和全局的划分;然后,在主题层和单词层之间加入情感层,将传统的LDA三层模型扩展成四层;最后,进行情感极性分析,同时获取整篇评论和每个主题的情感极性,生成细粒度的主题情感摘要.实验验证了所提模型和理论的有效性.

引用

页码：66 / 70

页数：5

共 4 条

[1] 基于LDA模型和HowNet的多粒度子话题划分方法 [J].