Joint Sentiment/Topic Model & Aspect and Sentiment Unification Model

Joint Sentiment/Topic Model & Aspect and Sentiment Unification Model

参考文章：Joint Sentiment/Topic Model for Sentiment Analysis
JST模型从文本检测情感和主题
之前的工作缺点：基于机器学习的情感分类需要大量的人工标记； 一个领域训练的情感分类模型不能很好地应用于另一个领域； 主题/特征检测和情感分类经常分开来进行，忽略了它们的相互依赖性。

JST模型

• 完全非监督，更加灵活，更容易适用于其他领域。
• 通过考虑相互联系同时检测情感/主题。

LDA & JST

• LDA
• 两个矩阵：$D×T$分布（文档-主题）：$\theta$；$T×W$分布（主题-词）：$\phi$。
• JST
• 3个矩阵：$D×S$分布（文档-情感）：$\pi$；$D×S×T$分布（文档-情感-主题）：$\theta$；$D×S×W$分布（文档-情感-词）：$\phi$。

JST的过程

• 对每个文档d，选择一个分布 πd