主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
黄发良,于戈,张继连,李超雄,元昌安,卢景丽.基于社交关系的微博主题情感挖掘.软件学报,2017,28(3):694-707
基于社交关系的微博主题情感挖掘
Mining Topic Sentiment in Micro-Blogging Based on Micro-Blogger Social Relation
投稿时间:2016-07-22  修订日期:2016-09-14
DOI:10.13328/j.cnki.jos.005157
中文关键词:  情感分析  微博情感分析  主题情感模型  社交关系  社会媒体处理
英文关键词:sentiment analysis  microblog sentiment analysis  topic sentiment model  social relation  social media processing
基金项目:国家重点基础研究发展计划(973)(2012CB316201);国家自然科学基金(61433008,61363009,61363037);福建省教育厅K类科技项目(JK2016007)
作者单位E-mail
黄发良 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819
福建师范大学 软件学院, 福建 福州 350108
福建省公共服务大数据挖掘与应用工程技术研究中心, 福建 福州 350108 
 
于戈 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819
医学影像计算教育部重点实验室(东北大学), 辽宁 沈阳 110819 
yuge@mail.neu.edu.cn 
张继连 广西财经学院 信息与统计学院, 广西 南宁 530003  
李超雄 福建师范大学 软件学院, 福建 福州 350108  
元昌安 广西师范学院 计算机与信息工程学院, 广西 南宁 530023  
卢景丽 Grasslands Research Centre, Palmerston North, 11008, New Zealand  
摘要点击次数: 1025
全文下载次数: 686
中文摘要:
      微博情感分析是社交媒体挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值.挖掘性能良好且可同步进行文档主题分析与情感分析的主题情感模型,近年来在以微博为代表的社交媒体情感分析中备受关注.然而,绝大多数现有主题情感模型都只简单地假设不同微博的情感极性是互相独立的,这与微博生态的现实状况不相一致,从而导致这些模型无法对用户的真实情感进行有效建模.基于此,综合考虑了微博用户相互关联的事实,提出了基于LDA和微博用户关系的主题情感模型SRTSM(social relation topic sentiment model).该模型在LDA中加入情感层与微博用户关系参数,利用微博用户关系与微博主题学习微博的情感极性.针对新浪微博真实数据集上的大量实验结果表明:与代表性算法JST,Sentiment-LDA及DPLDA相比较,SRTSM模型能够对用户真实情感与讨论主题进行更加有效的分析建模.
英文摘要:
      Sentiment analysis in micro-blogging is an important task in mining social media, and has important theoretical and application value in personalized recommendation and public opinion analysis. Topic sentiment models have attracted much attention due to their good performance and ability of synchronized topic and the sentiment analysis in micro-blogs. However, most existing models simply assume that topic sentiment distributions of different micro-blogs are independent, which is contrary to the realistic status in micro-blogging and thus further leads to unsatisfactory modeling of micro-blogger's true sentiment. To address the issues, a probabilistic model, SRTSM (social relation topic sentiment model) is proposed. The new model introduces sentiment and micro-blogger social relation into LDA inference framework and achieves synchronized detection of sentiment and topic in micro-blogging. Extensive experiments on Sina Weibo show that SRTSM outperforms state-of-the-art unsupervised approaches including JST, SLDA and DPLDA significantly in terms of sentiment classification accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利