基于文本情感分類的商品評論主題挖掘.pdf

1、隨著電子商務(wù)的飛速發(fā)展，越來越多的商品評論信息出現(xiàn)在消費(fèi)者眼前，這些評價(jià)往往反映了消費(fèi)者對于產(chǎn)品質(zhì)量、價(jià)格、外形、性能等各方面的客觀描述和主觀感受，成為用戶了解商品信息的重要來源。但商品評論數(shù)量眾多，用戶不可能逐條閱讀，如何大量的評論信息中快速提取主題已成為亟待解決的問題。
　　本文以評論文本主題提取作為主要任務(wù)，為了解決傳統(tǒng)主題提取結(jié)果中正負(fù)面情感詞混雜，用戶難以把握情感傾向的問題，本文提出了基于文本情感分類的主題挖掘模型即CL

2、-LDA(Classify-Latent DirichletAllocation)模型。該模型先依據(jù)情感傾向性對文本進(jìn)行褒貶分類，再對分類后的文本提取主題。具體的研究內(nèi)容主要包含以下兩個(gè)方面:
　　第一、本文采用基于語義詞典的方法對文本進(jìn)行情感分類，將文本分成正面文本集和負(fù)面文本集。首先構(gòu)建由評價(jià)對象和評價(jià)詞語組成的搭配詞組;再者建立由知網(wǎng)HowNet情感詞典和文本中詞頻較高的情感詞構(gòu)成的正負(fù)面情感詞典，并對情感詞標(biāo)記，正面情感詞

3、語標(biāo)記為1，負(fù)面詞語標(biāo)記為-1;最后將搭配詞組中的情感詞與情感詞典中的情感詞一一匹配并根據(jù)情感詞典標(biāo)記，根據(jù)標(biāo)記對文本進(jìn)行分類。
　　第二、基于潛在狄利克雷分布(Latent Dirichlet Allocation，LDA)的主題提取，利用最大似然函數(shù)估算出模型最優(yōu)主題數(shù)量，然后利用R語言topicmodels包中的LDA函數(shù)，采用Gibbs抽樣方法，通過迭代實(shí)驗(yàn)，得出各個(gè)實(shí)驗(yàn)數(shù)據(jù)的主題及主題下的詞匯。最后利用perplexit