基于情感从属和最大熵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: 计算机工程与科学
• 学科: 工学
• 关键词: LDA模型 细粒度观点挖掘 最大熵 情感从属
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 数据挖掘
• 页码范围: 1952-1958
• 页数: 7页
• 分类号: TP391.1
• 字数: 5502字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.10.023

摘要

目前许多观点挖掘方法挖掘粒度过大,导致反馈信息不足.为解决该问题,对标准LDA模型进行改进,提出主题情感联合最大熵LDA模型进行细粒度观点挖掘.首先,考虑到词的位置和语义信息,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;其次,在主题层和单词层之间加入情感层,实现词语级别的细粒度情感分析,并引入情感转移变量来处理情感从属关系,同时获取整篇评论和每个主题的情感极性,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