谢 珺，郝 洁，苏婧琼，邹雪君，李思宇

(太原理工大学 信息工程学院，山西 晋中 030600)

一种针对短文本的主题情感混合模型

谢 珺，郝 洁，苏婧琼，邹雪君，李思宇

(太原理工大学 信息工程学院，山西 晋中 030600)

主题情感混合模型可以同时提取语料的主题信息和情感倾向。针对短文本特征稀疏的问题，主题情感联合分析方法较少的问题，该文提出了BJSTM模型(Biterm Joint Sentiment Topic Model)，在BTM模型(Biterm Topic Model)的基础上，增加情感层的设置，从而形成“情感-主题-词汇”的三层贝叶斯模型。对每个双词的情感和主题进行采样，从而对整个语料的词共现关系建模，一定程度上克服了短文本的稀疏性。实验表明，BJSTM模型在无监督情感分类和主题提取方面都有不错的表现。

主题情感混合模型；情感分类；BTM

1 引言

随着博客、微博、微信等自媒体的流行，网络购物的盛行和网购评价体系的不断完善，互联网中，对事件的观点、对物品的评价等具有情感倾向的文本越来越多。这些信息对于政府部门的舆情监控、企业的经营决策和个人的购买决定，都起着至关重要的作用。

主题情感混合模型由于可以同时提取语料的主题信息和情感倾向而在文本情感分析领域得到了越来越广泛的关注，并被应用于情感信息抽取和情感分类等领域。有学者指出，互联网评论文本的长度与数量呈幂律关系[1]，即短文本占绝大多数，这些文本特征稀疏，很多传统的文本分析方法无法直接使用，目前针对短文本的主题情感联合分析方法较少。……