基于主题情感混合模型的细粒度观点挖掘

• 作者: 司琪 王梦 谢罗迪 马长林
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2015,（z1）
• 所属期刊栏目: 智能机器人与智能系统
• 页码范围: 66-70
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13245/j.hust.15S1016

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王梦	华中师范大学计算机学院	5	24	3.0	4.0
2	马长林	华中师范大学计算机学院	11	46	5.0	6.0
3	谢罗迪	华中师范大学计算机学院	5	19	3.0	4.0
4	司琪	华中师范大学计算机学院	2	14	2.0	2.0