基于LDA模型与语义网络对评论文本挖掘研究

• 作者: 李明 王涛
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: LDA主题模型 文本聚类 语义关联 情感分析
• 年，卷（期）: 2019,（4）
• 页码范围: 9-16
• 页数: 8页
• 分类号: TP391.1
• 字数: 5556字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2019.0004.002

摘要

通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDAtopic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	重庆师范大学计算机与信息科学学院	22	143	5.0	11.0
2	王涛	重庆师范大学计算机与信息科学学院	8	12	2.0	3.0