赵煜,邵必林,边根庆

(西安建筑科技大学管理学院, 710055, 西安)

一种融合词序信息的多粒度文本话题情感联合模型

赵煜,邵必林,边根庆

(西安建筑科技大学管理学院, 710055, 西安)

针对基本话题模型只能抽取粗粒度上下文信息的问题,通过对潜在狄里克雷分配(LDA)模型进行扩展,建立了一种利用词序信息的多粒度话题情感联合模型(MTSU-Col)。MTSU-Col模型客观表达了词汇、全局/局部话题、情感标签和词序信息之间的关联关系,使模型中话题和情感的建模更加符合文本的语义表达,有效解决了现有话题、情感分析方法存在的领域依赖问题,从而实现了文本多粒度话题信息和情感倾向信息的同步非监督获取。实验表明:利用MTSU-Col模型对文本进行情感倾向性分类,可使综合评价指标F1值达到84%,整体性能与监督分类方法支持向量机(SVM)类似,均优于未采用词序信息的分析方法。由于挖掘话题集合具有层次化、语义相关的特点,因此MTSU-Col模型对观点挖掘是可行、有效的。

话题模型;文本情感分析;联合模型;词序信息

网络评论文本具有海量化、复杂化的特点,促使人们利用自动评论文本挖掘技术[1]进行人工难以完成的深层次、智能化的评论文本分析。评论文本挖掘包括话题挖掘技术、文本情感倾向性分类技术以及观点挖掘技术。话题挖掘技术主要抽取文本中的客观信息[2],但无法抽取情感语义信息。情感倾向性分类技术利用各类文本分类算法判别文本的主客观属性或褒贬倾向属性[3-4],这一类方法只能对整篇评论进行情感分析,缺乏对话题等深层次语义对象的情感分析,因此无法进行细粒度文本情感信息获取。……