一种基于LDA主题模型的评论文本情感分类方法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

王伟周咏梅
（１．广东外语外贸大学思科信息学院，广州，５１０００６；２．广东外语外贸大学语言工程与计算实验室，广州，５１０００６；３
广东外语外贸大学图书馆，广州，５１０００６；４．广东外语外贸大学财务处，广州，５１０４２０）
◎２０１７ｂｙＪｏｕｒｎａｌｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎｇ
一
种基于ＬＤＡ主题模型的评论文本情感分类方法
阳爱民周剑峰。林江豪
ＷａｎｇＷｅｉ，ＺｈｏｕＹｏｎｇｍｅｉ～，ＹａｎｇＡｉｍｉｎ，ＺｈｏｕＪｉａｎｆｅｎｇ。，ＬｉｎＪｉａｎｇｈａｏ
（１．ＣｉｓｃｏＳｃｈｏｏｌｏｆｌｎｆｏｒｍａｔｉｃｓ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｏｒｅｉｇｎＳｔｕｄｉｅｓ，Ｇｕａｎｇｚｈｏｕ，５１０００６，Ｃｈｉｎａ；２．ＬａｂｏｒａｔｏｒｙｆｏｒＬａｎｇｕａｇｅＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｍｐｕｔｉｎｇ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｏｒｅｉｇｎＳｔｕｄｉｅｓ，Ｇｕａｎｇｚｈｏｕ，５１０００６，Ｃｈｉｎａ；３Ｌｉｂｒａｒｙ，ＧｕａｎｇｄｏｎｇＵｎｉ —
．
ห้องสมุดไป่ตู้
ｖｅｒｓｉｔｙｏｆＦｏｒｅｉｇｎＳｔｕｄｉｅｓ，Ｇｕａｎｇｚｈｏｕ，５１０００６，Ｃｈｉｎａ；４．ＦｉｎａｎｃｉａｌＤｅｐａｒｔｍｅｎｔ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｏｒｅｉｇｎＳｔｕｄｉｅｓ．Ｇｕａｎ — ｇｚｈｏｕ，５１０４２０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＡｍｅｔｈｏｄｏｆｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓｆｏｒｏｎｌｉｎｅｃｏｍｍｅｎｔｔｅｘｔｓｉｓｐｒｏｐｏｓｄｂａｓｅｄｏｎｔｈｅｌａｔｅｎｔＤｉｒｉｃｈｌｅｔａｌｌｏｃａｔｉｏｎ（ＬＤＡ）ｍｏｄｅ１．Ｔｈｅｍｅｔｈｏｄｅｘｔｒａｃｔｓｔｈｅｓｅｎｔｉｍｅｎｔｉｎｆｏｒｍａｔｉｏｎｃｏｎｔａｉｎｉｎｇｓｅｎｔｉｍｅｎｔ
向量的维度，并且在文本情感分类上有很好的效果。
关键词：评论文本；情感单元；潜在主题；情感分析；机器学习
中图分类号：ＴＰ３９１文献标志码：Ａ
ＭｅｔｈｏｄｏｆＳｅｎｔｉｍｅｎｔＡｎａｌｙｓｉｓｆｏｒＣｏｍｍｅｎｔＴｅｘｔｓＢａｓｅｄｏｎＬＤＡ
摘要：针对互联网出现的评论文本情感分析，引入潜在狄利克雷分布（ＬａｔｅｎｔＤｉｒｉｃｈｌｅｔａｌｌｏｃａｔｉｏｎ，
ＬＤＡ）模型，提出一种分类方法。该分类方法结合情感词典，依据指定的情感单元搭配模式，提取情感信息，包括情感词和上、下文。使用主题模型发掘情感信息中的关键特征，并融入到情感向量空间中。最后利用机器学习分类算法，实现中文评论文本的情感分类。实验结果表明，提出的方法有效降低了特征
ＤＯＩ：１０．１６３３７／ｊ．１００４ — ９０３７．２０１７．０３．０２３
ｈｔｔｐ：／／ｓｊｃｊ．ｎｕａａ．ｅｄｕ．ｃｎＥ — ｍａｉ１：ｓｊｅｊ＠ｎｕａａ．ｅｄｕ．ｃｎＴｅｌ／Ｆａｘ：＋８６ — ０２５～８４８９２７４２
ｗｏｒｄｓａｎｄｃｏｎｔｅｘｔｗｉｔｈｔｈｅｓｅｎｔｉｍｅｎｔｗｏｒｄｄｉｃｔｉｏｎａｒｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｐｅｃｉｆｉｅｄｃｏｌｌｏｃａｔｉｏｎｐａｔｔｅｒｎｓｏｆｓｅｎｔｉｍｅｎｔｕｎｉｔ．ＵｓｅｔｈｅＬＤＡｍｏｄｅｌｔｏｍｉｎｅｔｈｅｋｅｙｆｅａｔｕｒｅｓｏｆｔｈｅｓｅｎｔｉｍｅｎｔｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｎｃｏｍ— ｂｉｎｅｔｈｅｍｉｎｔｏｔｈｅｓｅｎｔｉｍｅｎｔｖｅｃｔｏｒｓｐａｃｅ．Ｔｈｅｍａｃｈｉｎｅ — ｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｓｅｎｔｉ — ｍｅｉｒｔｐｏｌａｒｉｔｙｏｆＣｈｉｎｅｓｅｃｏｍｍｅｎｔｔｅｘｔｓ．Ａｆｔｅｒｅｘｐｅｒｉｍｅｎｔ，ｔｈｅｐｒｅｓｅｎｔｅｄｍｅｔｈｏｄｉｓｐｒｏｖｅｄｔｏｂｅｅｆｆｅｃ — ｔｉｖｅｉｎｒｅｄｕｃｉｎｇｄｉｍｅｎｓｉｏｎａｌｉｔｙａｎｄｔｅｘｔｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｃｏｍｍｅｎｔｔｅｘｔ；ｓｅｎｔｉｍｅｎｔｕｎｉｔ；ｌａｔｅｎｔｔｏｐｉｃ；ｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓ；ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ
ＩＳＳＮ１００４ — ９０３７，ＣＯＤＥＮＳＣＹＣＥ４
ＪｏｕｒｎａｌｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎｇＶｏ１．３２，Ｎｏ．３，Ｍａｙ２０１７，ＰＰ．６２９ —６３５