改进主题模型的短文本评论情感分析
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Short Text Comment Sentiment Analysis of Improved Topic Models
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    使用传统的主题模型方法对医疗服务平台中的评论等短文本语料进行主题模型的情感分析时,会出现上下文依赖性差的问题。提出基于词嵌入的WLDA算法,使用Skip-Gram模型训练出的词w*替换传统的LDA模型中吉布斯采样算法里的词w`,同时引入参数λ,控制吉布斯采样时词的重采样的概率.实验结果证明,与同类的主题模型相比,该主题模型的主题一致性高.

    Abstract:

    When the traditional topic model method is used to analyze the sentiment of the topic model for short text corpora such as comments in the medical service platform, the problem of poor context dependency may occur. A WLDA algorithm based on word embedding is proposed. The word w* trained in the Skip-Gram model replaces the word w` in the Gibbs sampling algorithm in the traditional LDA model, and the parameter λ is introduced to control the resampling probability of the words during Gibbs sampling. The experimental results show that the subject model has a high degree of consistency compared to similar topic models.

    参考文献
    相似文献
    引证文献
引用本文

花树雯,张云华.改进主题模型的短文本评论情感分析.计算机系统应用,2019,28(3):255-259

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-09-28
  • 最后修改日期:2018-10-23
  • 录用日期:
  • 在线发布日期: 2019-02-22
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号