本文選題：主題模型 + 情感分類��； 參考：《西南大學(xué)》2017年碩士論文

【摘要】：在互聯(lián)網(wǎng)以及大數(shù)據(jù)快速發(fā)展的時(shí)代,在各種互聯(lián)網(wǎng)媒體上會(huì)產(chǎn)生越來越多的信息,包括評(píng)論信息、用戶信息、新聞資訊等。這些海量的信息背后通常蘊(yùn)藏著大量的數(shù)據(jù)價(jià)值,通過對(duì)這些信息進(jìn)行挖掘分析,能夠更好的理解用戶的消費(fèi)需求和心理,分析熱點(diǎn)事件的發(fā)展及社會(huì)輿情的走勢(shì),能夠給商家或者政府等提供一定的決策依據(jù)。海量數(shù)據(jù)中的大部分是以文本的形式呈現(xiàn),在這些文本信息中,通常傳遞著客觀事實(shí)信息和用戶的主觀的情感色彩信息,因此基于文本情感信息的挖掘是近年來研究的熱點(diǎn)。其中在文本情感分類方面,如果分類方法可以自動(dòng)的對(duì)文本的主觀情感信息進(jìn)行劃分,則能夠根據(jù)這些劃分信息更好的分析用戶的心理。傳統(tǒng)的分類方法在文本特征提取方面存在一定的缺陷,如未考慮文本間關(guān)系或者特征維度的問題。此外基于文本的主題情感挖掘也是研究熱點(diǎn)之一,主題模型也證實(shí)是文本挖掘方面比較有效的方法。傳統(tǒng)的主題模型,如PLSA(Probability Latent Semantic Analysis)和 LDA(Latent Dirichlet Allocation),主要是針對(duì)文本隱含的主題進(jìn)行建模來挖掘文本的主題信息。但是由于文本信息或者研究?jī)?nèi)容的不同,使基礎(chǔ)模型不再適用,這也就給文本挖掘在某些方面帶來了一定的挑戰(zhàn)。針對(duì)傳統(tǒng)文本情感分類以及主題情感挖掘所存在的不足,近年來已經(jīng)有很多研究對(duì)這些不足進(jìn)行了改進(jìn),其中在文本情感分類方面主要是對(duì)分類器進(jìn)行了改進(jìn),在主題情感挖掘方面主要是根據(jù)LDA主題模型的思想進(jìn)行改進(jìn)。本文在已有的研究基礎(chǔ)上所做的工作主要有兩個(gè)方面:(一)在中英文評(píng)論數(shù)據(jù)集上對(duì)文本的特征提取進(jìn)行了改進(jìn),主要是結(jié)合LDA主題模型和SVM分類器進(jìn)行文本情感分類的分析;(二)在新浪新聞的數(shù)據(jù)集上,利用新聞信息的一些屬性,如時(shí)間、情感注釋等,進(jìn)行LDA主題模型的擴(kuò)展來挖掘主題情感的關(guān)系并分析主題的變化趨勢(shì)。在文本情感分類方面,本文在LDA模型的基礎(chǔ)上提出了一種新的文本特征提取模型 ELDA(External Knowledge-based Latent Dirichlet Allocation),可以說是一種弱監(jiān)督形式的模型。該模型針對(duì)實(shí)驗(yàn)數(shù)據(jù)集的內(nèi)容尋找合適的外部數(shù)據(jù)集,首先利用LDA主題模型對(duì)外部數(shù)據(jù)集進(jìn)行主題抽取,之后在外部數(shù)據(jù)集主題抽取的基礎(chǔ)上對(duì)實(shí)驗(yàn)數(shù)據(jù)集和外部數(shù)據(jù)集整體上進(jìn)行主題的抽取,把主題特征看作文本的特征,其中外部數(shù)據(jù)集的引入在一定程度上增加了情感特征的權(quán)重。在實(shí)驗(yàn)中設(shè)置不同的模型主題數(shù),并結(jié)合SVM分類器來分析文本情感分類所需要的合適的特征維度,尋找最佳的文本情感分類模型。實(shí)驗(yàn)結(jié)果證明,無論是在中文評(píng)論數(shù)據(jù)集還是英文評(píng)論數(shù)據(jù)集上,此特征提取方法在分類效果上均達(dá)到了較好的效果,相較于傳統(tǒng)的文本情感分類方法在準(zhǔn)確率方面有了 4%的提升。在主題情感挖掘與主題變化分析兩個(gè)方面,本文在已有的研究基礎(chǔ)上提出了一種新的四層主題模型JTSoT(Joint Topic-Sentiment over Time)。為了主題情感的挖掘,本文在傳統(tǒng)LDA模型的基礎(chǔ)上在主題與單詞層之間引入了情感層,,主要是避免傳統(tǒng)JST(Joint Sentiment Topic)模型中情感因素會(huì)對(duì)主題的劃分產(chǎn)生影響,同時(shí)在主題情感之間引入狄利克雷分布。而在主題變化分析方面,根據(jù)已有的時(shí)間標(biāo)簽,將時(shí)間信息作為主題的屬性,并引入了主題對(duì)時(shí)間的Beta分布,來分析主題的變化。最終實(shí)驗(yàn)結(jié)果表明,相較于已有工作TOT(Topic over Time)以及eToT(emotion Topic over Time)模型而言,本文提出的JTSoT模型能夠直接體現(xiàn)主題情感之間的關(guān)系以及主題的變化趨勢(shì),同時(shí)在模型的Perplexity、文本情感分類應(yīng)用方面都具有更好的效果。
[Abstract]:In the age of rapid development of Internet and large data , more and more information is generated on various Internet media , including comment information , user information , news information , etc . Based on the existing research , this paper presents a new four - layer topic model , JTSoT ( Joint Topic - Temporal ment over Time ) . 涓轟簡(jiǎn)涓婚鎯呮劅鐨勬寲鎺，

本文編號(hào)：1909532