-
题名用于网络评论分析的主题-对立情感挖掘模型
被引量:7
- 1
-
-
作者
张倩
瞿有利
-
机构
北京交通大学计算机与信息技术学院
-
出处
《计算机科学与探索》
CSCD
2013年第7期620-629,共10页
-
基金
中央高校基本科研业务费专项资金 No.2011JBM231~~
-
文摘
为了挖掘网络评论中的产品主题和主题的对立情感信息,以帮助生产商和服务商改进产品和服务质量,帮助消费者做出购买决策,基于LDA(latent Dirichlet allocation)提出了一个用于网络评论分析的主题-对立情感挖掘模型(topic-opposite sentiment mining model,TOSM),模型中假设句子为分配主题和情感的最小单位。该模型在LDA的基础上增加情感层,将LDA的三层结构拓展为四层,能同时得到主题以及主题的对立情感信息。为了使对立情感的描述更准确,在情感层中融入了情感词典先验信息。在Amazon网站的电子产品评论和Yelp网站的饭店评论数据集上进行了三组实验,实验表明,TOSM挖掘到的观点主题与评论中有价值的细节描述相匹配,TOSM模型的情感分类结果优于其他模型。
-
关键词
主题模型
LDA
情感
评论挖掘
主题-对立情感挖掘模型(tosm)
-
Keywords
topic model
latent Dirichlet allocation (LDA)
sentiment
review mining
topic-opposite sentiment mining model (tosm)
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-