基于动态主题情感混合模型微博主题情感演化分析方法.docVIP

基于动态主题情感混合模型微博主题情感演化分析方法 　　摘要：针对现有模型无法进行微博主题情感演化分析的问题，提出一种基于主题情感混合模型（TSCM）和情感周期性理论的主题情感演化模型――动态主题情感混合模型（DTSCM）。DTSCM通过捕获不同时间片中微博消息集的主题和情感，追踪不同时间片内主题与情感的变化趋势，获得主题情感演化图，从而实现主题和情感的演化分析。真实微博数据集上的实验结果表明，与当前优秀代表算法JST（Joint Sentiment/Topic）、SLDA（SentimentLatent Dirichlet Allocation）和DPLDA（Dependency PhrasesLatent Dirichlet Allocation）相比，该方法的情感分类准确率分别提高了3.01%、4.33%和8.75%，并且可以获得主题情感演化图。这表明该方法具有更高的情感分类准确率并且可以进行微博主题情感演化分析，为舆情分析等应用提供了较好的帮助。 　　关键词：主题情感演化；情感挖掘；微博；潜在狄利克雷分配；情感周期性 　　中图分类号： TP393.1 　　文献标志码：A 　　Abstract： For the problem of existing models disability to analyze topicsentiment evolution of microblogs， a Dynamic Topic Sentiment Combining Model （DTSCM） was proposed based on Topic Sentiment Combining Model （TSCM） and the emotional cycle theory. DTSCM could track the topicsentiment evolution trend by capturing the topic and sentiment of microblogs in different time.DTSCM could track the topic sentiment evolution trend and obtain the graph of topic sentiment evolution so as to analyze the evolution of topic and sentiment by capturing the topic and sentiment of microblogs in different time. The experimental results in real microblog corpus showed that， in contrast with stateoftheart models Joint Sentiment/Topic （JST）， SentimentLatent Dirichlet Allocation （SLDA） and Dependency PhrasesLatent Dirichlet Allocation （DPLDA）， the sentiment classification accuracy of DTSCM increased by 3.01%， 4.33% and 8.75% respectively，and DTSCM could obtain topicsentiment evolution of microblogs. The proposed approach can not only achieve higher sentiment classification accuracy but also analyze topicsentiment evolution of microblog， and it is helpful for public opinion analysis. 　　Key words： topicsentiment evolution； sentiment mining； microblog； Latent Dirichlet Allocation （LDA）； emotional cycle 　　0引言 　　微博是Web2.0时代兴起的一种集成化、开放化的互联网社交服务，它让用户能够向公众发布简短的文本消息。由于其简便的特点，日益受到互联网用户的青睐。目前新浪微博用户规模已经超过3亿，每天都有大量的微博消息发布。在这些海量的微博消息中，有许多饱含个人情感的资源，如何从这些微博消息中高效、自动地提取主题与情感，并且对主题与情感进行演化分析，是一个很具有研究价值的热点。 　　网