-
题名改进主题模型的短文本评论情感分析
被引量:4
- 1
-
-
作者
花树雯
张云华
-
机构
浙江理工大学信息学院
-
出处
《计算机系统应用》
2019年第3期255-259,共5页
-
文摘
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.
-
关键词
情感分类
短文本
词嵌入
WLDA
-
Keywords
sentiment classification
short text
word embedding
WLDA
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于主题模型的短文本情感分析的研究
- 2
-
-
作者
花树雯
张云华
-
机构
浙江理工大学信息学院
-
出处
《电工技术》
2019年第4期91-94,共4页
-
文摘
针对物联网中的评论等短文本进行情感分析时,出现上下文依赖性差和严重的特征稀疏,以及评论类文本的情感分析具有时效性等问题,提出了基于词嵌入和时间加权的高斯LDA算法(TG-LDA)。实验结果证明,与同类的主题模型相比,该模型的关键词的区分度强,主题的一致性高。
-
关键词
情感分类
TG-LDA
高斯LDA
词嵌入
时间衰减函数
-
Keywords
sentiment classification
TG-LDA
Gaussian LDA
word embedding
time decay function
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-