基于主题聚类的短文本情绪分类方法

• 作者: 周咏梅 林江豪 阳爱民 陈锦 顾也力
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 情绪分类 情绪类别 PLSA模型 K-means
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1400-1404,1439
• 页数: 6页
• 分类号: TP391
• 字数: 4900字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.06.025

摘要

针对现有短文本细粒度情绪分类研究中的不足,提出基于概率潜在语义分析(PLSA)模型和K-means聚类的短文本细粒度情绪分类方法.基于PLSA计算获得语料集的文档与主题、词语与主题之间的概率矩阵;在词语与主题概率分布上,基于K-means算法对词汇在主题上的概率分布进行聚类,进而将相近主题进行合并处理;基于情感本体库,认为某一类情绪词汇出现的概率最高的主题与词汇的情绪类别相同,对合并后的主题进行情绪类别识别;最后,基于合并后的文档与主题概率矩阵,认为出现在某一主题概率最高的文档与主题的情绪类别相同,对文档情绪类别进行分类.实验结果表明,采用PLSA+K-means比PLSA可取得更高的分类准确率,总体分类准确率达到95.23％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳爱民	广东外语外贸大学语言工程与计算实验室	35	618	11.0	24.0
5	周咏梅	广东外语外贸大学语言工程与计算实验室	25	466	10.0	21.0
9	林江豪	广东外语外贸大学语言工程与计算实验室	19	266	8.0	16.0
10	陈锦	广东外语外贸大学语言工程与计算实验室	12	199	4.0	12.0
11	顾也力	广东外语外贸大学东方语言文化学院	7	13	2.0	3.0