基于概率主題模型的作者情感分析.pdf

1、近些年來，概率主題模型在文本分析領(lǐng)域的應(yīng)用越來越廣泛。這是因為主題模型用于文本分析有下面幾點優(yōu)勢:一個是主題模型有良好的數(shù)學(xué)基礎(chǔ)和可擴(kuò)展性;二是主題模型相對于VSM而言，它建模得到的文本維度更低、計算復(fù)雜度更低;三是基于主題模型的方法一般都是無監(jiān)督的方法，不需要人工定義的語義詞典或者情感詞典。
　　目前已有主題模型以及它的擴(kuò)展模型都無法分析作者的情感，因此本文提出了一個對作者情感建模的概率模型。已有的分析文本情感的主題模型建立了一

2、個文本-主題情感-詞的三層生成過程，這樣的模型能夠發(fā)現(xiàn)文本中的主題與情感信息。事實上，現(xiàn)在的文本大多都包含了作者信息，而且分析作者的情感具有很強(qiáng)的商業(yè)價值。目前的主題情感模型都沒有考慮作者層的情感，更無法對作者進(jìn)行挖掘分析，因此本文最主要是考慮如何在計算機(jī)中建立一個作者的表示方法以體現(xiàn)作者的情感并在這個表示方法下對作者進(jìn)行情感分析。本文所做的貢獻(xiàn)如下:
　　(1)建立了一個基于LDA的概率模型，模型建立了一個作者-文本-主題情感-

3、詞的四層生成過程，這個模型稱為作者主題情感混合模型。模型中包含3個待估計的參數(shù):主題情感詞的分布、作者的主題分布和作者在主題已知條件下的情感分布。對模型求解就是估計這3個參數(shù)的值，本文采用貝葉斯估計和GibbsSampling對模型中的參數(shù)進(jìn)行估計。模型不僅能發(fā)現(xiàn)文本中深層次的語義信息和情感信息，還能發(fā)現(xiàn)作者的主題和情感信息。因此利用ATSM模型能直接分析作者的情感。
　　(2)設(shè)計了一個對作者集合進(jìn)行聚類分析的框架，這個框架專門

4、針對ATSM模型表示的作者。聚類的結(jié)果是一個兩層的結(jié)構(gòu)，包括了外層的主題類和內(nèi)層的情感類。主題類是根據(jù)作者的主題分布進(jìn)行聚類得到的，情感類是對主題類中的作者進(jìn)一步根據(jù)情感相似度進(jìn)行聚類得到的。這樣聚類的好處是能從主題和情感兩個角度分析作者集。在進(jìn)行聚類之前，本文還定義了相應(yīng)的作者間的相似度。這個框架同樣能對文本進(jìn)行聚類分析，然后通過計算作者與文本類之間的相似度將作者劃分到不同的文本類。因此利用這個框架能對作者集合進(jìn)行情感分析。