基于多特征融合的微博主题情感挖掘

• 作者: 于戈 冯时 王大玲 黄发良
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 情感分析 主题检测 LDA 微博短文本 社会媒体处理 自然语言处理
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 自然语言处理与社交网络分析
• 页码范围: 872-888
• 页数: 17页
• 分类号: TP301
• 字数: 18237字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.00872

摘要

微博情感分析是社会媒体挖掘中的重要任务之一,在恐怖组织识别、个性化推荐、舆情分析等方面具有重要的理论和应用价值.但与传统文本数据不同,微博消息短小而凌乱,包含着大量诸如微博表情符号之类的特有信息,同时微博情感是与其讨论主题是密切相关的.多数现有的微博情感分析方法都没有将微博主题与微博情感进行协同分析,或者在微博主题情感分析过程中没有考虑将用户关系、用户性格情绪等特征数据,从而导致微博情感分析与主题检测的效果难尽人意.为此,提出了一个基于多特征融合的微博主题情感挖掘模型TSMMF(Topic Sentiment Model based on Multi-feature Fusion),该模型将情感表情符号与微博用户性格情绪特征纳入到图模型LDA中实现微博主题与情感的同步推导.实验结果表明,与当前用于短文本情感主题挖掘的最优模型(JST,SLDA与DPLDA)相比较,TSMMF具有更优的微博主题情感检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于戈	东北大学计算机科学与工程学院	426	6587	38.0	64.0
3	黄发良	东北大学计算机科学与工程学院	30	278	10.0	16.0