计算机科学与探索
計算機科學與探索
계산궤과학여탐색
JOURNAL OF FRONTIERS OF COMPUTER SCIENCE & TECHNOLOGY
2013年
7期
620-629
,共10页
主题模型%LDA%情感%评论挖掘%主题-对立情感挖掘模型(TOSM)
主題模型%LDA%情感%評論挖掘%主題-對立情感挖掘模型(TOSM)
주제모형%LDA%정감%평론알굴%주제-대립정감알굴모형(TOSM)
topic model%latent Dirichlet allocation (LDA)%sentiment%review mining%topic-opposite sentiment mining model (TOSM)
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.
為瞭挖掘網絡評論中的產品主題和主題的對立情感信息,以幫助生產商和服務商改進產品和服務質量,幫助消費者做齣購買決策,基于LDA(latent Dirichlet allocation)提齣瞭一箇用于網絡評論分析的主題-對立情感挖掘模型(topic-opposite sentiment mining model,TOSM),模型中假設句子為分配主題和情感的最小單位.該模型在LDA的基礎上增加情感層,將LDA的三層結構拓展為四層,能同時得到主題以及主題的對立情感信息.為瞭使對立情感的描述更準確,在情感層中融入瞭情感詞典先驗信息.在Amazon網站的電子產品評論和Yelp網站的飯店評論數據集上進行瞭三組實驗,實驗錶明,TOSM挖掘到的觀點主題與評論中有價值的細節描述相匹配,TOSM模型的情感分類結果優于其他模型.
위료알굴망락평론중적산품주제화주제적대립정감신식,이방조생산상화복무상개진산품화복무질량,방조소비자주출구매결책,기우LDA(latent Dirichlet allocation)제출료일개용우망락평론분석적주제-대립정감알굴모형(topic-opposite sentiment mining model,TOSM),모형중가설구자위분배주제화정감적최소단위.해모형재LDA적기출상증가정감층,장LDA적삼층결구탁전위사층,능동시득도주제이급주제적대립정감신식.위료사대립정감적묘술경준학,재정감층중융입료정감사전선험신식.재Amazon망참적전자산품평론화Yelp망참적반점평론수거집상진행료삼조실험,실험표명,TOSM알굴도적관점주제여평론중유개치적세절묘술상필배,TOSM모형적정감분류결과우우기타모형.
