基于主题模型的中文情感分类方法研究-计算机技术专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master The Research of Chinese Sentiment Classification Method Based on Topic Model Candidate: Li Qiang Supervisor: Prof. Wu Ting March，2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文 在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电 杭州电子科技大学硕士学位论文 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关度，并计算出主题的内部相关度，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提升 5%，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 I ABSTRACT With 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 sign