基于TSCM模型的网络短文本情感挖掘.pdfVIP

第 8期 电 子 学 报 Vo1．44 No．8 2016年 8月 ACTA ELECTR0NICA SINICA Aug． 2016 基于TSCM模型的网络短文本情感挖掘 黄发 良，李超雄 ，元昌安 ，汪 焱 ，姚志强 (1．福建师范大学软件学院，福建福州350007；2．广西师范学院计信学院，广西南宁530023) 摘 要 ：针对网络短文本情感挖掘问题 ，提出一种新的基于LDA和互联网短评行为理论的主题情感混合模型 TSCM，TSCM模型中的整篇评论中每个句子的主题分布是不同的，TSCM产生词的流程是先确定词的情感极性，再确 定词的主题，TSCM考虑了词与词之间的联系．真实数据集 Movie与Amazon上的大量实验表明，与代表性算法JST、S． LDA、D—PLDA和SAS相比较 ，TSCM模型能对用户真实情感与讨论主题进行更加有效的分析建模． 关键词： 情感分析；主题情感混合模型；LDA 中图分类号： TP273 文献标识码： A 文章编号： 0372-2112(2016)08—1887-05 电子学报URL：http：／／www．ejourna1．org．an DOI：10．3969／j．issn．0372-2112．2016．08．017 MiningSentimentforWebShortTextsBasedonTSCM Model HUANG Fa—liang ，LIChao．xiong ，YUAN Chang—an ，WANG Yan ，YAO Zhi．qiang (1．FacultyofSoftware，FujianNormalUniversity，Fuzhou，Fujian350007，China； 2．SchoolofComputerandInformationEngineering，GuangxiTeachersEducationUniversity，Nanning，Guangxi530023，China) Abstract： Forsentimentanalysisofwebshorttexts，atopicsentimentcombiningmodel(TSCM)isproposedbased onLDA andwebreviewbehavioral theory，whichisfoundedonhteassumptionhtattopicdistributionofeachsentenceina review isuniquenaddifferentfrom thatofOtilersentences．GenerativeprocessofTSCM iStofirstdeterminesentimentorien． tationofeachwordna dthentopicofeachsentenceinareview whiletakingwordrelationintoconsideration．Extensiveex． perimentsonreal—worlddatasets(MovieandAmazon)showthatTSCM significantlyoutpefformsJST，S—LDA，D—PLDA nadSASintemr softheaccuracyofsentimentclassificationandtopicdetection． Keywords： sentimentnaalysis；topicsentimentmixture；latentdirichletallocation(LDA) 取训练样本的昂贵代价极大地 限制此类方法应用．因 1 引言 此 ，以JST 、S-LDA 与ASUM 等为代表的无监督情 以