用于网络评论分析的主题-对立情感挖掘模型

• 作者: 张倩 瞿有利
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 主题模型 LDA 情感 评论挖掘 主题-对立情感挖掘模型(TOSM)
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 620-629
• 页数: 10页
• 分类号: TP391.1
• 字数: 7108字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1305015

摘要

为了挖掘网络评论中的产品主题和主题的对立情感信息,以帮助生产商和服务商改进产品和服务质量,帮助消费者做出购买决策,基于LDA(latent Dirichlet allocation)提出了一个用于网络评论分析的主题-对立情感挖掘模型(topic-opposite sentiment mining model,TOSM),模型中假设句子为分配主题和情感的最小单位.该模型在LDA的基础上增加情感层,将LDA的三层结构拓展为四层,能同时得到主题以及主题的对立情感信息.为了使对立情感的描述更准确,在情感层中融入了情感词典先验信息.在Amazon网站的电子产品评论和Yelp网站的饭店评论数据集上进行了三组实验,实验表明,TOSM挖掘到的观点主题与评论中有价值的细节描述相匹配,TOSM模型的情感分类结果优于其他模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	瞿有利	北京交通大学计算机与信息技术学院	19	179	6.0	13.0
2	张倩	北京交通大学计算机与信息技术学院	14	58	4.0	7.0