移動互聯(lián)網(wǎng)的迅猛發(fā)展和智能手機(jī)的普及,為人們隨時隨地發(fā)表評論和意見提供了有利條件。在Tweet、微博等社交平臺,在淘寶、亞馬遜、京東等網(wǎng)購平臺,人們可以對不同領(lǐng)域不同商品進(jìn)行評價(jià)。有效的分析這些評價(jià),能夠輔助廠家進(jìn)行銷售、未來發(fā)展的決策,亦能幫助消費(fèi)者篩選合乎自己期待的產(chǎn)品。但單純對評論語句進(jìn)行情感極性判斷,不能提供有效的信息,還需要進(jìn)一步確定情感詞描述的對象。評論的方面級觀點(diǎn)挖掘能夠從評論中抽取方面級評論對象和評論范疇,有著重要的研究意義與價(jià)值。然而海量的評論涉及的商品種類繁多,方面級觀點(diǎn)挖掘所需數(shù)據(jù)標(biāo)注的過程繁瑣,為所有領(lǐng)域的評論建立規(guī)范標(biāo)注語料庫將耗費(fèi)大量的資源。依賴于標(biāo)注數(shù)據(jù)集的有監(jiān)督方法將很難應(yīng)用于缺乏標(biāo)注語料的評論領(lǐng)域。如何在少監(jiān)督及無監(jiān)督情況下提高模型的效果,并使模型具有領(lǐng)域適應(yīng)性（包括不同領(lǐng)域、不同語言）,是非常值得研究的課題�；贚DA（Latent Dirichlet Allocation）主題模型,本文提出用于方面級觀點(diǎn)挖掘的無監(jiān)督模型SLDA（SentiWordNet WordNet-Latent Dirichlet Allocation）和HMELDA（Hie... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

方面級觀點(diǎn)挖掘研究方法分類

LDA模型的概率圖

圖 2-2 MaxEnt-LDA 概率圖模型改進(jìn) LDA 的思路二相同，MaxEnt-LDA 通過額外和 , ,來進(jìn)一步劃分主題和增加主題數(shù)。由參數(shù)題-詞分布，同時對原始主題進(jìn)行更細(xì)致的劃分，

【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)產(chǎn)品評論細(xì)粒度意見挖掘研究綜述[J]. 顏端武,江蕊,楊雄飛,鞠寧.  現(xiàn)代情報(bào). 2018(07)
[2]評價(jià)對象抽取研究綜述[J]. 蔣盛益,郭林東,王連喜,符斯慧.  自動化學(xué)報(bào). 2018(07)
[3]網(wǎng)絡(luò)評論方面級觀點(diǎn)挖掘方法研究綜述[J]. 韓忠明,李夢琪,劉雯,張夢玫,段大高,于重重.  軟件學(xué)報(bào). 2018(02)
[4]細(xì)粒度情感分析研究綜述[J]. 唐曉波,劉廣超.  圖書情報(bào)工作. 2017(05)



本文編號：3273319