《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，本文方法比经原始LDA模型建模的文本分类效果有所提升，证明本文方法的有效性。最后，本文寻求一种无监督的情感分类方法，以降低人工标注的成本。本文借助HowNet计算词语的情感值，依旧使用LDA模型对语料建模，可以无监督地获取文档-主题分布和主题-词语分布，通过主题下分布概率较高的词语的情感值，计算主题的情感分布，再加上主题加权的算法，进一步计算得到文档的情感分布。整个过程是无监督的，实验显示，本分类方法可以达到不错的效果，且本方法是无监督的，因此本方法有一定的研究意义。关键词：情感分类，主题模型，特征加权，无监督分类，中文信息处理ABSTRACTWith the evolutionary development of the Internet +”, all aspects of peoples living is gradually filled with network, more and more people express their views in the Internet. Subjectivity documents about a movie, a commodity, a hot topic of the society and so on are inundated with the entire Internet. Researching these subjective documents’s emotional tendencies is of great practical significance about analyzing consumers’ attitudes and emotional changes of the public. Therefore sentiment classification of natural language has been a hot issue in the field of document processing.This paper has done the following research out of the great theoretical and practical significance of sentiment classification.Firstly, this paper introduces the main technique used in researching sentiment classification and it also systematically expounds the evolution of document representation model. From the original VSM model to latent semantic-based LSA model and PLSA model, this paper focuses Latent Dirichlet Allocation model, including principle, generation process and parameter derivation, as well as some specific application in the emo