基于领域识别的主题模型观点挖掘研究

• 作者: 谢罗迪 闵洁 马长林
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: LDA模型 领域识别 观点挖掘 情感转移变量
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1297-1302
• 页数: 6页
• 分类号: TP391
• 字数: 5073字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.07.022

摘要

网络新媒体的快速发展,使得网上评论数据呈现爆炸性增长,面对数量庞大的网络文本,使用传统的人工方式来提取观点会导致效率低下、分类界限模糊、领域适应性差等问题.为解决以上问题,在对传统LDA模型进行改进的基础上,提出了一个基于领域判别的LDA主题模型来对在线评论进行观点挖掘.首先,在标准LDA模型中引入领域层,对语料库中的文档采样领域标签,利用领域化的参数来求解LDA模型;其次,考虑到句子间的情感从属关系,在主题层和单词层之间加入情感层,并引入情感转移变量进行表示,提高了情感极性分析的精度,实验结果表明了本文所提模型和理论的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闵洁	信阳农林学院信息工程学院	4	5	1.0	2.0
2	马长林	华中师范大学计算机学院	11	46	5.0	6.0
3	谢罗迪	华中师范大学计算机学院	5	19	3.0	4.0