一种面向观点挖掘的多粒度话题情感联合模型

为了提高文本观点挖掘的效率,通过扩展标准话题模型,提出了一种新颖的多粒度话题情感联合模型(MG-TSJ).模型将文本话题区分为全局和局部两类,同时挖掘文本中涉及的多层次话题信息和情感倾向信息.该模型采用非监督的学习方法,解决了现有方法存在的领域依赖问题.通过在测试语料库上进行实验,该模型在文本情感倾向性分类任务中的准确率达到82.6%,具有和监督分类系统相当的性能;挖掘话题集合呈现层次化、语义相关的特点,证明了MG-TSJ模型对观点挖掘是可行的和有效的.

基于主题情感联合分析的游客画像研究

网络文本作为现代游客承载感知和表达观点的载体,已成为游客画像构建与分析的重要数据来源。现有的自然语言处理技术在游客画像的挖掘过程中主要关注游客的需求和情感,缺少技术与旅游应用的有效衔接,然而现有的文本挖掘技术中文本的主题和情感通常被割裂分析,缺乏相互指向性,无法有效提取用户细粒度的意见。提出一种基于变分自编码的有监督主题情感联合分析模型。将词频权重引入到先验知识中,同时通过截断高斯模型构造变参数,有效捕获离散数据中的相关性,利用情感标签辅助主题的训练和生成,以提升主题挖掘及情感预测的准确率。通过变分自编码模型计算贝叶斯主题模型的后验分布,采用主题分布下的情感分类预测实现主题情感的联合分析。实验结果表明,当主题数为10~100时,该模型的情感预测平均准确率约为85%,相比LDA、SAGE、NVDM模型,能够有效挖掘酒店用户评论的特征。

在线健康社区慢性病患者评论主题情感协同挖掘研究——以甜蜜家园为例

【目的】为及时掌握慢性病患者在不同患病阶段的关注主题与情感类型,构建评论主题情感协同挖掘模型。【方法】在LDA主题模型的基础上融入情感信息与时间信息,提出动态主题情感混合模型dUTSU。基于糖尿病患者评论数据,从主题识别效果、情感分类准确率验证模型有效性,开展主题-情感词分析和主题情感演化分析实现糖尿病患者不同患病阶段评论主题与情感协同挖掘。【结果】dUTSU的困惑度、主题平均相似度、情感分类准确率均优于JST、ASUM、UTSU等同类模型;利用dUTSU分析糖尿病患者评论数据,共识别出15个主题,得到疾病确诊阶段、并发症阶段等共7个时间片内的热点主题与伴生的情感强度及类型,揭示了主题情感随时间演化的特征。【局限】采用糖尿病患者评论数据开展实验,研究场景较为单一;在建模时仅考虑了时间属性,没有考虑患者的地理位置、个人属性、社交关系等因素对主题与情感的影响。【结论】dUTSU模型能够有效实现患者不同患病阶段的评论主题与情感协同挖掘,分析结果可为在线健康社区、医疗机构及患者自身进行健康服务与干预提供依据。