面向短文本情感分析的词扩充LDA模型

• 作者: 张力 李图雅 沈冀 马志强
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 短文本 词扩充 情感分析 隐含狄利克雷分配 文档-主题生成模型 无监督学习
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 120-126
• 页数: 7页
• 分类号: TP311
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.407

摘要

针对短文本在情感极性判断上准确率不高的缺点,在隐含狄利克雷分配(latent Dirichlet allocation,LDA)的基础上提出一种适用于短文本的情感分析模型.该模型在短文本中按词性寻找情感词汇,并对其进行有约束的词语扩充形成扩充集合,增强情感词汇之间的共现频率.将扩充集合加入文本中已发现的情感词汇,使得短文本长度增加并且模型可以提取到情感信息,模型通过这种方法将主题聚类变成情感主题聚类.该模型使用4000条带有正负情感极性的短文本进行验证,结果表明该模型准确率比情感主题联合模型提高约11％,比隐含情感模型提高约9.5％,同时可以发现更多的情感词汇,证明该模型对于短文本能够提取更丰富的情感特征并在情感极性分类上准确率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马志强	内蒙古工业大学信息工程学院	37	171	8.0	10.0
2	沈冀	内蒙古工业大学信息工程学院	1	3	1.0	1.0
3	李图雅	内蒙古工业大学信息工程学院	3	4	1.0	2.0
4	张力	内蒙古工业大学信息工程学院	6	11	2.0	3.0