基于主题模型的中文情感分类方法研究硕士学位论文.docxVIP

浙 江 省 硕 士 学 位 论 文 论文题目：基于主题模型的中文情感分类方法研究 授予学位学科专业： 学科专业代码： 研究方向：中文信息处理 省编号： 摘 要 随着“互联网+”的互联网形态逐步演化发展，网络正逐渐充斥着人们生活的方方面面，人们越来越多的在网络上表达着自己对事物的看法，从一部电影，一个商品到社会热点事件的评论，主观性文本充斥着整个网络。对这些主观性文本的情感倾向的研究，有利于分析消费者的态度，也可以研究大众的情感变化，有着重大的现实意义。因此自然语言的情感分类问题，一直是文本处理领域的热点问题。 情感分类问题有如此重大的理论和现实意义，基于此，本文主要做了以下研究工作。 首先，本文详细介绍了研究情感分类问题使用的主要技术，并系统性的阐述了文本表示模型的发展演化过程，从最初的VSM模型到基于潜在语义的LSA模型和PLSA模型，重点介绍了LDA（隐狄利克雷分布）模型，包括该模型的原理、生成过程和参数推导过程，以及其在情感分类中的一些具体应用，可知将LDA模型引入情感分类任务是可行并且有不错的效果。 其次，针对LDA模型中主题特征质量有差异的问题，本文提出一种基于主题加权的LDA模型的情感分类方法。介绍了一种基于神经网络获取词向量的方法，以此词向量计算词语相似度，并计算出主题的内部相似度，进而转化为主题维度上的权值，将加权后的文本-主题分布进行训练分类。实验显示，本