基于非參數(shù)貝葉斯方法的情感主題模型構(gòu)建

《基于非參數(shù)貝葉斯方法的情感主題模型構(gòu)建》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、西南科技大學(xué)研究生學(xué)位論文基于非參數(shù)貝葉斯方法的情感主題模型構(gòu)建年級(jí)２〇ｎ姓名賈聞俊申請(qǐng)學(xué)位級(jí)別碩＾‘專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師張哮教投ClassifiedIndex:TP391U.D.C:004.8SouthwestUniversityofScienceandTechnologyMasterDegreeThesisAConstructionofSentimentTopicModel-basedonNon-parametricBayesianMethodsGrade:2013Candid

2、ate:JiaWenjunAcademicDegreeAppliedfor:MasterSpecialty:ComputerScienceandTechnologySupervisor:ZhangHuiMarch.20,2016獨(dú)創(chuàng)性聲巧本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下……（或我個(gè)人）進(jìn)行的研巧工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研巧，也■成果不包含為獲得西南科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同志對(duì)本研巧所做的任何貢獻(xiàn)均已

3、在論文中作了明確的說明并表示了謝意。簽名：襄滿終曰期；關(guān)于論文使用和授權(quán)的說明目本人完全了解西南科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，Ｐ：學(xué)校有權(quán)保留學(xué)位論文的復(fù)印件，允許該論文被查閱和借閱；學(xué)?？桑保蓿蓿崳姽荚撜摿x的全部或部分內(nèi)容，可＾式粟用影印、縮印或其他復(fù)制手段保存論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：哀話錢導(dǎo)師簽名令４曰期：巧西南科技大學(xué)碩士研究生學(xué)位論文第III頁摘要隨著近幾年微博、博客、電子商務(wù)網(wǎng)站的興起，用戶的參與度和活躍度越來越高，針對(duì)熱銷商品、熱門新聞事件等產(chǎn)生了海量的評(píng)論

4、信息。通過對(duì)這些文本進(jìn)行數(shù)據(jù)挖掘研究，可以得到用戶對(duì)于產(chǎn)品的評(píng)價(jià)、對(duì)社會(huì)事件的觀點(diǎn)，對(duì)于商家的產(chǎn)品研發(fā)、用戶的購買決策和政府的輿情監(jiān)控以及政策制定有著重要的價(jià)值和意義。因此，分析處理這些文本信息變得迫在眉睫，文本情感分析就是其中主要工作。本文對(duì)細(xì)粒度的情感分析進(jìn)行了研究，結(jié)合非參數(shù)貝葉斯方法，提出了一種面向產(chǎn)品屬性的用戶情感模型。主要的研究內(nèi)容包括以下幾個(gè)方面：首先，研究傳統(tǒng)情感模型在分析商品評(píng)論中的用戶情感時(shí)，發(fā)現(xiàn)面臨兩個(gè)主要問題:缺乏針對(duì)產(chǎn)品屬性的細(xì)粒度情感分析和自動(dòng)提取的產(chǎn)品屬性其數(shù)量須提前確定。接著，提出了一種細(xì)粒度的面向產(chǎn)品屬性的用戶情

5、感模型,首先利用分層狄利克雷過程將名詞實(shí)體聚類形成產(chǎn)品屬性并自動(dòng)獲取其數(shù)量,然后結(jié)合產(chǎn)品屬性中名詞實(shí)體的權(quán)重和評(píng)價(jià)短語以及情感詞典作為先驗(yàn),利用潛在狄利克雷分布對(duì)產(chǎn)品屬性進(jìn)行情感分類。最后，通過采集淘寶和京東關(guān)于手機(jī)的評(píng)論數(shù)據(jù)，選取蘋果手機(jī)評(píng)論作為實(shí)驗(yàn)數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明該模型具有較高的情感分類準(zhǔn)確率,情感分類平均準(zhǔn)確率達(dá)87%。該模型與傳統(tǒng)的情感模型相比在抽取產(chǎn)品屬性和評(píng)價(jià)短語的情感分類上具有較高的準(zhǔn)確率。關(guān)鍵詞：情感分析細(xì)粒度非參數(shù)貝葉斯方法分層狄利克雷過程潛在狄利克雷分布論文類型：理論研究西南科技大學(xué)碩士研究生學(xué)位論文第IV頁Abstrac

6、tWiththeappearanceofmicroblog,forums,andecommerceinrecentyears,alargenumberofuserjoineditwithpassion,thehugenumberofhotcommodity’sandhotnewscommentsaregenerated.Itisagreatvalueforresearchingofproductsandmonitoringofpublicopinionforgovernment.Therefore,theanalysisprocessofthes

7、etextinformationbecomesmoreimportantandthetextsentimentanalysisisoneofthemaincoretechnology.Inthispaper,wehaveanalyzedthefine-grainedemotionanalysis,andconstructedasentimenttopicmodelbasedonnon-parametricBayesianmethods.Atthebeginning,Whenanalysisthetraditionalsentimentmodel,

8、itfacestwomainproblemsinanalyzinguser’semotionofproductreviews:1)the