基于词加权LDA算法的无监督情感分类

• 作者: 续欣莹 苏婧琼 谢珺 郝洁 韩晓霞
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 情感分类 主题情感混合模型 主题模型 LDA 加权算法
• 年，卷（期）: 2016,（4）
• 页码范围: 539-545
• 页数: 7页
• 分类号: TP391
• 字数: 4905字
• 语种: 中文
• DOI: 10.11992/tis.201606007

摘要

主题情感混合模型可以有效地提取语料的主题信息和情感倾向。本文针对现有主题／情感分析方法主题间区分度较低的问题提出了一种词加权LDA算法（weighted latent dirichlet allocation algorithm，WLDA），该算法可以实现无监督的主题提取和情感分析。通过计算语料中词汇与情感种子词的距离，在吉布斯采样中对不同词汇赋予不同权重，利用每个主题下的关键词判断主题的情感倾向，进而得到每篇文档的情感分布。这种方法增强了具有情感倾向的词汇在采样过程中的影响，从而改善了主题间的区分性。实验表明，与JST（ Joint Sentiment／Topic model）模型相比，WLDA不仅在采样中迭代速度快，也能够更好地实现主题提取和情感分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	续欣莹	太原理工大学信息工程学院	45	318	9.0	16.0
2	谢珺	太原理工大学信息工程学院	36	180	8.0	11.0
3	韩晓霞	太原理工大学信息工程学院	17	79	5.0	8.0
4	苏婧琼	太原理工大学信息工程学院	3	21	2.0	3.0
5	郝洁	太原理工大学信息工程学院	3	21	2.0	3.0