改进主题模型的短文本评论情感分析

• 作者: 张云华 花树雯
• 来源期刊: 计算机系统应用
• 关键词: 情感分类 短文本 词嵌入 WLDA
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究开发
• 页码范围: 255-259
• 页数: 5页
• 字数: 3437字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006829

摘要

使用传统的主题模型方法对医疗服务平台中的评论等短文本语料进行主题模型的情感分析时,会出现上下文依赖性差的问题.提出基于词嵌入的WLDA算法,使用Skip-Gram模型训练出的词w*替换传统的LDA模型中吉布斯采样算法里的词w’,同时引入参数λ,控制吉布斯采样时词的重采样的概率.实验结果证明,与同类的主题模型相比,该主题模型的主题一致性高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云华	浙江理工大学信息学院	76	342	11.0	16.0
2	花树雯	浙江理工大学信息学院	2	1	1.0	1.0