基于情感从属和最大熵模型的细粒度观点挖掘.pdfVIP

CN43—1258／TP 计算机工程与科学 第 37卷第 1o期 2015年 1O月 ISSN 1OO7—13OX ComputerEngineering＆ Science Vol_37，No．10，OCt．2015 文章编号 ：1007—130X(2015)lO一1952—07 基于情感从属和最大熵模型的细粒度观点挖掘 马长林，谢罗迪 ，司 琪，王 梦 (华 中师范大学计算机学院，湖北 武汉 430079) 摘 要 ：目前许多观点挖掘方法挖掘粒度过 大，导致反馈信息不足 。为解决该 问题 ，对标准 LDA模 型进行改进 ，提 出主题情感联合最大熵 LDA模型进行细粒度观点挖掘 。首先，考虑到词的位置和语义信 息 ，在传统 LDA模型 中加入最大熵组件来 区分背景词、特征词和观 点词 ，并对特征词和观点词进行局部 和全局的划分；其次，在主题层和单词层之 间加入情感层 ，实现词语级别的细粒度情感分析，并引入情感转 移变量来处理情感从属关系，同时获取整篇评论和每个主题的情感极性 ，实验验证了所提模型和理论 的有 效性 。 关键词 ：LDA模型；细粒度观点挖掘 ；最大熵；情感从属 中图分类号：TP391．1 文献标志码 ：A doi：10．3969／j．issn．1007—130X．2015．10．023 t1nIl●ne—gral●nec110Dl●nl●0n m l●nl●ng baseall0n sentimentdependencyandmaximum entropymodel MA Chang—lin，XIELuo—di，SIQi，WANG Meng (SchoolofComputer，CentralChinaNormalUniversity，W uhan430079，China) Abstract：M any currentmethodsofopinionminingarecoarse—grained，which arepracticallyprob— lematicduetoinsufficientfeedback information．Toaddresstheseproblems，weproposeanoveltopic andsentimentjointmaximum entropyLDA modelinthispaperforfine—grainedopinionmining．Consid— ering semanticand location information ofwords，amaximum entropycomponentisfirstadded to the traditionalLDA modeltodistinguishbackgroundwords，aspectwordsandopinionwords．Boththelocal extractionandglobalextractionofthesewordsarefurtherrealized．Secondly，asentimentlayerisin- sertedbetweenatopiclayerandawordlayertoperform fine—grainedopinionminingonwordorphrase leve1．Transition variableisintroducedtodealwithsentimentdependency．Thesentimentpolarityofthe wholereview andeachtopicaresimultaneouslyacquired．Experimentalresultsdemonstratethevalidity oftheproposedmodelandtheory． Keywords：LDA model；fine—grainedopinionm ining；maximum entropy；sentimentdependency 的质量。