万红新 彭欣悦

DOI：10.19850/j.cnki.2096-4706.2021.08.008

摘  要：随着社交媒体的发展，网络上产生了大量的评论类文本数据，这些数据蕴含了丰富的情感信息。对这些文本数据进行情感极性分类，需要提取评价对象-情感词的匹配关系。文章提出了基于约束LDA主题模型的评价对象-情感词关系提取模型CE-LDA，将语义先验知识嵌入到LDA模型，在有效提取评价对象和情感词的同时，发现它们之间的关联性。通过实验分析，CE-LDA模型对于评价对象和情感词及其关联关系的提取具有较好的效果。

关键词：语义知识;主题模型;约束嵌入;情感分类

中图分类号：TP311      文献标识码：A    文章编号：2096-4706（2021）08-0027-03

Extraction of Association Relationship between Evaluation Object and

Emotion Words Based on Constrained LDA

WAN Hongxin，PENG Xinyue

（School of Mathematics and Computer Science，Jiangxi Science & Technology Normal University，Nanchang  330038，China）

Abstract：With the development of social media，a large amount of comment text data has been generated on the internet，which contain rich emotion information. To classify the sentiment polarity of these text data，it is necessary to extract the matching relationship between the evaluation object and the emotion words. An the evaluation object and the emotion words relationship extracting model CE-LDA based on the constrained LDA topic model is proposed，which embeds semantic prior knowledge into the LDA model，and discovers the relevance between evaluation object and emotion words while effectively extracting them. Through experimental analysis，the CE-LDA model has a good effect on the extraction of evaluation object，emotion words and their associated relationships.

Keywords：semantic knowledge;topic model;constraint embedding;emotion classification

0  引  言

互聯网的发展普及使得网络上产生了大规模的评论类文本数据。如何有效提取海量文本中存在的情感知识，是文本数据挖掘面临的挑战问题。应用情感分析技术可以对评论类文本进行情感极性分类，了解舆情走向，从而实现舆情管控和疏导。要有效实现情感分类，首先要能够提取评价对象和情感词，并发现它们之间的匹配关系，在此基础上才可能进行情感分析。

现有评价对象-情感词提取模型和算法存在的主要问题有：

（1）语义先验知识的提取。中文文本语义结构复杂，模型对于中文语义难以理解，需要提取语义信息引入到模型。

（2）中文文档的有效表示。网络文本的数据量极其庞大，需要有效降低文档表示的向量维度。

（3）模型的语义嵌入。需要设计有效的语义知识嵌入机制，提高模型对中文文本的语义理解能力。……