文献类型：期刊文章

作　　者：苏莹[1] 张勇[2] 胡珀[2] 涂新辉[2]

机构地区：[1]武昌首义学院信息科学与工程学院,武汉430064 [2]华中师范大学计算机学院,武汉430079

出　　处：《计算机应用》

基　　金：国家社会科学基金重大项目(12&2D223);国家自然科学基金资助项目(61402191;61300144;61572223);国家语委科研项目(WT125-44);华中师范大学自主科研项目(CCNU14A05014;CCNU14A05015)~~

年　　份：2016

卷　　号：36

期　　号：6

起止页码：1613-1618

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对情感分析需要大量人工标注语料的难点,提出了一种面向无指导情感分析的层次性生成模型。该模型将朴素贝叶斯(NB)模型和潜在狄利克雷分布(LDA)相结合,仅仅需要合适的情感词典,不需要篇章级别和句子级别的标注信息即可同时对网络评论的篇章级别和句子级别的情感倾向进行分析。该模型假设每个句子而不是每个单词拥有一个潜在的情感变量;然后,该情感变量再以朴素贝叶斯的方式生成一系列独立的特征。在该模型中,朴素贝叶斯假设的引入使得该模型可以结合自然语言处理(NLP)相关的技术,例如依存分析、句法分析等,用以提高无指导情感分析的性能。在两个情感语料数据集上的实验结果显示,该模型能够自动推导出篇章级别和句子级别的情感极性,该模型的正确率显著优于其他无指导的方法,甚至接近部分半指导或有指导的研究方法。

关 键 词：情感分析 主题模型 潜在狄利克雷分布  朴素贝叶斯 意见挖掘  

分 类 号：TP391.1]