论文部分内容阅读
为了提高文本观点挖掘的效率，通过扩展标准话题模型，提出了一种新颖的多粒度话题情感联合模型（MG-TSJ）．模型将文本话题区分为全局和局部两类，同时挖掘文本中涉及的多层次话题信息和情感倾向信息．该模型采用非监督的学习方法，解决了现有方法存在的领域依赖问题．通过在测试语料库上进行实验，该模型在文本情感倾向性分类任务中的准确率达到82．6％，具有和监督分类系统相当的性能；挖掘话题集合呈现层次化、语义相关的特点，证明了MG—TSJ模型对观点挖掘是可行的和有效的．关键词：观点挖掘；话题模型；多粒度话题情感联合模型；