检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于性格情绪特征的改进主题情感模型

中文信息学报 2020年第7期34卷 96-104页

作者：李玉强黄瑜孙念李琳刘爱华武汉理工大学计算机科学与技术学院湖北武汉430063 武汉理工大学能源与动力工程学院湖北武汉430063

近年来,以微博为代表的社交媒体在情感分析中备受关注。然而,绝大多数现有的主题情感模型并没有充分考虑到用户性格特征,导致情感分析结果难尽人意。故该文在现有的JST模型基础上进行改进,提出一种基于时间的性格建模方法,将用户性格特... 详细信息

近年来,以微博为代表的社交媒体在情感分析中备受关注。然而,绝大多数现有的主题情感模型并没有充分考虑到用户性格特征,导致情感分析结果难尽人意。故该文在现有的JST模型基础上进行改进,提出一种基于时间的性格建模方法,将用户性格特征纳入主题情感模型中;鉴于微博数据包含大量的表情符号之类的特有信息,为了充分利用表情符号来提升微博情感识别性能,该文将情感符号融入JST模型中,进而提出了一种改进的主题情感联合模型UC-JST(Joint Sentiment/Topic Model Based on User Character)。通过在真实的新浪微博数据集上进行实验,结果表明UC-JST情感分类效果优于JST、TUS-LDA、JUST、TSMMF四种典型的无监督情感分类方法。

关键词：主题情感模型时间性格特征表情符号

基于词嵌入主题情感模型的微博情感极性分析方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于词嵌入主题情感模型的微博情感极性分析方法研究

作者：黄瑜武汉理工大学

学位级别：硕士

近年来,主题情感联合模型成为了无监督学习领域的一项重要研究内容,在文本主题挖掘和情感分析等方面均有实际应用。然而在现实场景中,微博本身存在文字短小,结构不完整等特征,当处理小型微博数据集时,主题情感模型的情感极性分类效果不... 详细信息

近年来,主题情感联合模型成为了无监督学习领域的一项重要研究内容,在文本主题挖掘和情感分析等方面均有实际应用。然而在现实场景中,微博本身存在文字短小,结构不完整等特征,当处理小型微博数据集时,主题情感模型的情感极性分类效果不佳。因此,本课题围绕微博主题情感模型展开研究与改进,提出基于词嵌入主题情感模型的微博情感极性分析方法,主要研究成果如下:首先,针对基于多特征融合的微博主题情感挖掘模型——TSMMF（Topic Sentiment Model based on Multi-feature Fusion）面对小型微博语料库时,仅通过单词共现来推断出各项分布,不能挖掘低频词语的语义关系,而无法达到预期的情感分类效果的问题,提出了TSMMF模型与词向量技术相结合的方法。通过使用情感-主题-词语Dirichlet多项式分布和词向量空间的混合组件来代替原Dirichlet多项式分布重新生成词语,进而提出了WE-TSMMF模型（Topic Sentiment Model based on Multi-feature Fusion with Word Embedding）。通过实验获取了WE-TSMMF模型中参数的最优值,并验证了该模型在小型微博语料库上的可行性及有效性。然后,针对词向量技术与TSMMF模型结合时,面对大型微博语料库会出现运行速度缓慢的问题,提出基于高斯分布的改进词嵌入主题情感模型。通过多元高斯分布从词向量空间中快速采样邻近词语,并替换掉由Dirichlet多项式分布生成的词语,从而将共现频率低、信息量少的单词转变成突出主题、信息明确的单词,同时使用最近邻搜索算法来提升词向量空间中邻近词的搜索速率,进而提出了GWE-TSMMF模型（Topic Sentiment Model based on Multi-feature Fusion with Gaussian Word Embedding）。通过实验获取了GWE-TSMMF模型中参数的最优值,并验证了该模型在大型微博语料库上的可行性及有效性。最后,为了进一步验证WE-TSMMF模型和GWE-TSMMF模型的有效性和适用性,通过在自然语言处理与信息检索共享平台搜集公开微博语料库以扩充实验数据集,并在该数据集上进行综合实验以充分评估本文所提的模型。实验结果表明,WE-TSMMF模型和GWE-TSMMF模型相较于原模型在主题质量、情感分类效果上均有明显提升。其次,通过与当前主流词嵌入主题情感模型的对比实验,进一步验证了本文提出的模型具有更优的微博情感极性分析性能。

关键词：微博情感分析主题情感模型词嵌入高斯分布

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于主题情感混合模型的无监督微博情感分类

基于主题情感混合模型的无监督微博情感分类

作者：梁润宇天津工业大学

学位级别：硕士

随着互联网的兴起,带动了以微博为主的社交网络平台的快速发展,微博评论文本呈指数型增长,从海量评论文本中挖掘的情感信息在商业策划与社会应用中的价值越来越大,与此同时,依托计算机的无监督微博情感分析技术应运而生。与传统文本情... 详细信息

随着互联网的兴起,带动了以微博为主的社交网络平台的快速发展,微博评论文本呈指数型增长,从海量评论文本中挖掘的情感信息在商业策划与社会应用中的价值越来越大,与此同时,依托计算机的无监督微博情感分析技术应运而生。与传统文本情感分析不同的是,微博评论文本在情感表达上有其独特之处,微博评论有一定的字数限制,短文本评论居多且数量规模大,易出现文本语法不规范、频现网络新词等现象。故本文针对微博文本以上特点开展研究,构建一个面向微博文本的领域情感词典,提出一种基于BTM主题模型的无监督微博情感分类模型(W-BSTM)。本文所构建的微博文本领域情感词典包含基础情感词典、网络用语情感词典、表情符号情感词典和领域扩建情感词典四部分。在现有情感词典基础上构建了一个二分类基础情感词典;通过观察与整理构建了针对文本中网络词语和表情符号的情感词典;使用基于HowNet语义计算方法建立微博领域的扩展词典,收集那些在传统文本中无情感倾向在微博文本表述中含情感倾向的词。W-BSTM模型是在BTM模型的基础上增加情感层,融合权重模型,形成无监督的“主题-情感-词汇”三层贝叶斯主题情感混合模型,在保留BTM模型原有优越性的同时,综合考虑每个特征词在情感分类中的重要程度,提取文本情感信息,并通过实验将该模型与其他主题情感分类模型对比,证明了该模型在短文本情感分类上有着较好的效果。最后使用微博爬虫技术获取新浪微博评论文本,将本文构建的情感词典和W-BSTM模型实际运用于微博评论情感分析中,验证本文所提出的基于主题情感混合模型的无监督微博情感分类方法的有效性与可行性。

关键词：无监督情感分类主题情感模型 W-BSTM 情感词典

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社交关系的微博主题情感挖掘

软件学报 2017年第3期28卷 694-707页

作者：黄发良于戈张继连李超雄元昌安卢景丽东北大学计算机科学与工程学院辽宁沈阳110819 福建师范大学软件学院福建福州350108 医学影像计算教育部重点实验室(东北大学) 辽宁沈阳110819 福建省公共服务大数据挖掘与应用工程技术研究中心福建福州350108 广西财经学院信息与统计学院广西南宁530003 Grasslands Research Centre Palmerston North11008New Zealand 广西师范学院计算机与信息工程学院广西南宁530023

微博情感分析是社交媒体挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值.挖掘性能良好且可同步进行文档主题分析与情感分析的主题情感模型,近年来在以微博为代表的社交媒体情感分析中备受关注.然而,绝大... 详细信息

微博情感分析是社交媒体挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值.挖掘性能良好且可同步进行文档主题分析与情感分析的主题情感模型,近年来在以微博为代表的社交媒体情感分析中备受关注.然而,绝大多数现有主题情感模型都只简单地假设不同微博的情感极性是互相独立的,这与微博生态的现实状况不相一致,从而导致这些模型无法对用户的真实情感进行有效建模.基于此,综合考虑了微博用户相互关联的事实,提出了基于LDA和微博用户关系的主题情感模型SRTSM(social relation topic sentiment model).该模型在LDA中加入情感层与微博用户关系参数,利用微博用户关系与微博主题学习微博的情感极性.针对新浪微博真实数据集上的大量实验结果表明:与代表性算法JST,Sentiment-LDA及DPLDA相比较,SRTSM模型能够对用户真实情感与讨论主题进行更加有效的分析建模.

关键词：情感分析微博情感分析主题情感模型社交关系社会媒体处理

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

社交媒体中的文本挖掘方法研究

社交媒体中的文本挖掘方法研究

作者：曾明睿南京邮电大学

学位级别：硕士

文本挖掘作为数据挖掘中一个重要的研究分支，其研究任务是对大量的非结构化文本（文档，网页，社交评论，电子邮件等）抽取关键信息，并对文本进行分析。随着互联网技术的不断发展和社交网络上活跃人数的增加，人们也更加倾向通过社交... 详细信息

文本挖掘作为数据挖掘中一个重要的研究分支，其研究任务是对大量的非结构化文本（文档，网页，社交评论，电子邮件等）抽取关键信息，并对文本进行分析。随着互联网技术的不断发展和社交网络上活跃人数的增加，人们也更加倾向通过社交媒体平台来创建各类信息，这使得网络上的数据呈现出爆炸式的增长态势。然而，持续生成的海量文本数据已远远超出人们的信息检索容量，带来了信息过载问题。作为解决信息过载问题的关键，如何高效的挖掘有价值的信息成为了现今数据挖掘研究的热点方向。为了实现文本数据的准确定位和分流，本文基于社交媒体中文本挖掘领域的聚类和分类两个具体方法展开深入研究。本文的主要工作包括：　　（1）为了能够更加深入的了解大众对于公共事件的反应，本文提出了一种动态主题情感模型的文本聚类算法。因为现有主题模型研究对情感因素的考量不足，所以模型挖掘的特征区分度低。同时，现有研究在建模时忽略了文档主题随时间的动态演化信息，限制了其对实时更新的社交文本的聚类能力。针对以上两个问题，我们提出了sToT（sentiment-Topic over Time）模型来挖掘文本中潜在主题的情感极性随时间的强度变化过程。为了解决情感特征区分度低的问题，模型在传统主题模型的基础上通过增加情感层来提取文本中主题的情感极性特征，增强了文本特征的情感区分度。为了捕捉主题的动态演化关系，本文模型引入时间先验分布函数，让主题和对应的情感极性联合生成观察到的时间戳和单词，使模型建模了时间变化对主题的影响。在真实新冠疫情推特文本数据集上的实验结果表明，所提模型展现出了优于基线模型的性能，体现了所提模型的有效性。　　（2）为了对大规模新闻文本进行有效的组织和管理，本文提出了一种词级嵌入对抗的文本分类算法。针对特征样本不足导致分类边界模糊的问题，我们先对Bert模型预训练编码之后的词向量层采用符号函数法沿着梯度上升方向添加扰动，由此构建对抗特征。随后混合对抗特征和原始特征来训练模型，增强了模型划分分类边界的能力，提升了分类效果。实验结果表明，在脱敏新闻文本数据集上，所提模型的F1指标高于目前基线模型。　　综上所述，本文从社交媒体文本挖掘领域的两个具体任务出发，通过聚类与分类两个方法从海量数据中挖掘有价值的信息，为后续文本挖掘工作做出了基础性的支持研究。

关键词：社交媒体文本挖掘主题情感模型词级嵌入对抗

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于领域情感分析的生鲜电商顾客满意度研究

基于领域情感分析的生鲜电商顾客满意度研究

作者：鲁颜东北财经大学

学位级别：硕士

随着电子商务的飞速发展,网络购物成为了现今消费者所热衷的消费方式。生鲜商品作为消费者生活中的必需品,自然而然地成为了当下电商领域的消费热点。近年来,各类生鲜电商企业层出不穷,生鲜电商领域的竞争愈发激烈。此外,目前大多数的... 详细信息

随着电子商务的飞速发展,网络购物成为了现今消费者所热衷的消费方式。生鲜商品作为消费者生活中的必需品,自然而然地成为了当下电商领域的消费热点。近年来,各类生鲜电商企业层出不穷,生鲜电商领域的竞争愈发激烈。此外,目前大多数的生鲜电商都面临着盈利难、留客难的问题,只能依靠大量的广告宣传和资金投入抢占到部分市场和消费者,而无法将短暂吸引到的消费者流量转化为长期且稳定的订单量。生鲜产品不同于其他普通产品,顾客对生鲜产品的质量、安全、新鲜度、时效性等等都更为关注,所以对于顾客满意度进行分析,识别出影响顾客满意度的重要因素,有助于改善顾客购物体验,提高顾客忠诚度和留存率,进而有助于生鲜电商企业提升绩效和竞争力。近年来,基于在线评论进行产品属性的提取以及重要影响因素的识别和分析,成为了顾客满意度分析领域的一个新的研究趋势。与传统的顾客满意度分析方法相比,基于领域情感分析技术和顾客在线评论文本来研究顾客满意度,更有利于准确、客观地识别顾客满意度的影响因素。基于此,本文选取京东生鲜电商平台中的在线评论为研究对象,构建生鲜领域情感词典,设计领域下的主题-情感联合建模模型,识别生鲜电商领域下顾客满意度的影响因素,从而为改善顾客体验,促进生鲜电商行业的持续、健康发展提供建议。在对情感分析和顾客满意度分析的相关研究进行梳理的基础上,本文选择了京东生鲜平台的在线评论文本作为研究对象,采用网络爬虫抓取评论数据,构造了后续研究的语料库。其次,基于TF-IDF算法和情感词汇本体库从情感词典语料库中提取生鲜电商领域的情感种子词,并通过SO-PMI算法识别其他情感词及情感倾向,得到生鲜电商领域情感词典,实验结果表明该领域情感词典能更好地解决领域依赖的问题。再次,基于构建的领域情感词典,在基本的主题情感混合模型(ASUM)中引入情感先验约束,对主题-情感联合建模,以实现评论文本中产品属性的抽取与情感倾向性分析。实验结果表明,改进的ASUM模型在生鲜电商评论的情感分类上要显著优于基本的ASUM模型。最后,基于主题-情感联合建模的结果,得到四个主题下共16个满意度影响因素,综合特征词在主题下的排名权重以及消费者在评论中提到的频次,对满意度影响因素的满意度和重要度进行计算,应用IPA分析方法,对五大生鲜品类分别进行顾客满意度分析,并结合分析结果对生鲜电商企业的发展给出了建议。本文给出了从领域情感词典构建到属性与情感倾向的抽取到基于IPA分析的顾客满意度影响因素识别的—整套框架,为从在线评论数据中分析顾客满意度提供了新的思路和方法,具有一定的理论价值和实践意义。

关键词：生鲜电商情感分析主题情感模型顾客满意度