基于LDA的商品特征和情感詞提取

　　隨著網(wǎng)絡(luò)購(gòu)物的發(fā)展，Web上產(chǎn)生了大量的商品評(píng)論文本數(shù)據(jù)，其中蘊(yùn)含著豐富的評(píng)價(jià)知識(shí)．如何從這些海量評(píng)論文本中有效地提取商品特征和情感詞，進(jìn)而獲取特征級(jí)別的情感傾向，是進(jìn)行商品評(píng)論細(xì)粒度情感分析的關(guān)鍵，根據(jù)中文商品評(píng)論文本的特點(diǎn)，從句法分析、詞義理解和語(yǔ)境相關(guān)等多角度獲取詞語(yǔ)間的語(yǔ)義關(guān)系，然后將其作為約束知識(shí)嵌入到主題模型，提出語(yǔ)義關(guān)系約束的主題模型SRC-LDA（semantic relation constrained LDA），用來(lái)實(shí)現(xiàn)語(yǔ)義指導(dǎo)下LDA的細(xì)粒度主題詞提?。捎赟RC-LDA改善了標(biāo)準(zhǔn)LDA對(duì)于主題詞的語(yǔ)義理解和識(shí)別能力，從而提高了相同主題下主題詞分配的關(guān)聯(lián)度和不同主題下主題詞分配的區(qū)分度，可以更多地發(fā)現(xiàn)細(xì)粒度特征詞、情感詞及其之間的語(yǔ)義關(guān)聯(lián)性．實(shí)驗(yàn)結(jié)果表明，SRC-LDA對(duì)于細(xì)粒度特征和情感詞的發(fā)現(xiàn)和提取具有較好的效果．
?