基于主题模型的无监督方面级观点挖掘算法研究

发布时间：2021-07-09 07:33

　　移动互联网的迅猛发展和智能手机的普及,为人们随时随地发表评论和意见提供了有利条件。在Tweet、微博等社交平台,在淘宝、亚马逊、京东等网购平台,人们可以对不同领域不同商品进行评价。有效的分析这些评价,能够辅助厂家进行销售、未来发展的决策,亦能帮助消费者筛选合乎自己期待的产品。但单纯对评论语句进行情感极性判断,不能提供有效的信息,还需要进一步确定情感词描述的对象。评论的方面级观点挖掘能够从评论中抽取方面级评论对象和评论范畴,有着重要的研究意义与价值。然而海量的评论涉及的商品种类繁多,方面级观点挖掘所需数据标注的过程繁琐,为所有领域的评论建立规范标注语料库将耗费大量的资源。依赖于标注数据集的有监督方法将很难应用于缺乏标注语料的评论领域。如何在少监督及无监督情况下提高模型的效果,并使模型具有领域适应性（包括不同领域、不同语言）,是非常值得研究的课题。基于LDA（Latent Dirichlet Allocation）主题模型,本文提出用于方面级观点挖掘的无监督模型SLDA（SentiWordNet WordNet-Latent Dirichlet Allocation）和HMELDA（Hie... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

方面级观点挖掘研究方法分类

LDA模型的概率图

图 2-2 MaxEnt-LDA 概率图模型改进 LDA 的思路二相同，MaxEnt-LDA 通过额外和 , ,来进一步划分主题和增加主题数。由参数题-词分布，同时对原始主题进行更细致的划分，

【参考文献】：
期刊论文
[1]网络产品评论细粒度意见挖掘研究综述[J]. 颜端武,江蕊,杨雄飞,鞠宁.  现代情报. 2018(07)
[2]评价对象抽取研究综述[J]. 蒋盛益,郭林东,王连喜,符斯慧.  自动化学报. 2018(07)
[3]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重.  软件学报. 2018(02)
[4]细粒度情感分析研究综述[J]. 唐晓波,刘广超.  图书情报工作. 2017(05)



本文编号：3273319