用于网络评论分析的主题-对立情感挖掘模型

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。