基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文本主题引发的情感反馈与用户特征之间具有一定的关联.为了充分挖掘用户特征的价值以提高情感预测的准确度,在双层主题模型MSTM和SLTM的基础上,增加了对用户特征信息的采样层,进而提出了基于用户特征的"用户-主题-情感"三层主题模型UMSTM和USLTM.通过三层模型与基础模型在最高情感命中率以及情感概率预测相关系数的对比实验,来检验用户特征对情感预测产生的效果与影响.实验验证了UMSTM和USLTM在以上两种指标中,相对于MSTM和SLTM均有提高.
推荐文章
无监督的主题情感混合模型研究
文本情感分类
无监督学习
混合模型
面向新闻推荐的用户兴趣模型构建与更新
个性化推荐
向量空间模型
用户兴趣模型
用户兴趣漂移
遗忘函数
基于深度学习的用户投诉预测模型研究
电信投诉预测
深度学习
深度置信网络
非线性组合特征
基于LDA主题模型的情感分析研究
产品评论
情感分析
依存句法
特征抽取
LDA主题模型
随机森林算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用户级情感预测主题模型的构建与研究
来源期刊 计算机工程与应用 学科 社会科学
关键词 主题模型 用户特征 概率图模型 情感预测 模型构建
年,卷(期) 2018,(6) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 123-127,149
页数 6页 分类号 G202
字数 5454字 语种 中文
DOI 10.3778/j.issn.1002-8331.1710-0173
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何凌南 中山大学传播与设计学院 12 46 4.0 6.0
2 武庆圆 北京师范大学珠海分校管理学院 3 8 2.0 2.0
3 冯佳纯 中山大学数据科学与计算机学院 1 4 1.0 1.0
4 罗茂权 中山大学数据科学与计算机学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (81)
共引文献  (49)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (12)
二级引证文献  (0)
1952(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(10)
  • 参考文献(0)
  • 二级参考文献(10)
2014(16)
  • 参考文献(5)
  • 二级参考文献(11)
2015(17)
  • 参考文献(1)
  • 二级参考文献(16)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2017(6)
  • 参考文献(3)
  • 二级参考文献(3)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主题模型
用户特征
概率图模型
情感预测
模型构建
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导