用于網(wǎng)絡(luò)評論文本挖掘的主題模型研究.pdf

1、隨著電子商務(wù)的迅速發(fā)展和網(wǎng)絡(luò)購物的流行，互聯(lián)網(wǎng)上擁有大量的消費者對產(chǎn)品和服務(wù)的評論信息，評論信息中蘊含著消費者對特定產(chǎn)品和服務(wù)的主觀感受，反應(yīng)了人們的態(tài)度、立場和意見，具有非常寶貴的研究價值.但是互聯(lián)網(wǎng)上的信息數(shù)量巨大，全部閱讀這些評論來幫助做出決策十分困難.所以，急需一種有效的對網(wǎng)絡(luò)評論文本進行挖掘的方法。隨著網(wǎng)絡(luò)評論在人們生活中的廣泛應(yīng)用，僅僅挖掘評論文本中的主題信息不能滿足對評論中情感傾向分析的需求。網(wǎng)絡(luò)評論的主題和情感同時挖掘的

2、目標是，對于給定的網(wǎng)絡(luò)評論文本集合，通過分析和挖掘，可以得到評論中有關(guān)評論對象的多個主題信息，同時能獲得評論者的情感傾向.
　　本文基于LDA提出了一個用于網(wǎng)絡(luò)評論分析的主題-對立情感挖掘模型(TOSM)，該模型的目標是自動挖掘出網(wǎng)絡(luò)評論中的產(chǎn)品主題和主題的對立情感信息.TOSM模型在LDA的基礎(chǔ)上增加情感層，將LDA的“文檔-主題-詞”三層結(jié)構(gòu)拓展為“文檔-主題-情感-詞”四層結(jié)構(gòu)，并在情感層中融入情感先驗信息，目的是對模型進行

3、優(yōu)化，使得挖掘到的對立情感的描述更準確.在情感層中融入情感先驗信息的具體實現(xiàn)包含兩種方法:一是融入情感詞典先驗信息;二是采用極性轉(zhuǎn)換檢測方法(Polarity Shifting Detection)對評論文本進行否定檢測.TOSM模型考慮了主題和情感之間的關(guān)聯(lián)性，模型同時對評論文本中的主題信息和情感信息進行建模，與以往模型最大的不同是TOSM模型挖掘到的每個主題下包含兩個對立情感。實驗表明TOSM挖掘到的觀點主題和評論中有價值的細節(jié)描述