aspect 分类及形容词的情感分类——An unsupervised aspect-sentiment model for online reviews-CSDN博客

本文链接：https://blog.csdn.net/VictoriaW/article/details/52024921

本文提出了一种无监督方法，利用局部LDA模型进行aspect分类，结合句法分析和图构建确定形容词极性，无需依赖词典信息。通过对评论数据的处理，生成aspect相关形容词的positive和negative种子集，有效解决了在线评论的情感分析问题。

摘要由CSDN通过智能技术生成

本文使用无监督方法解决aspect分类问题、生成 aspect相关形容词并判断形容词的极性。

总结：本文使用无监督学习并考虑了aspect和sentiment之间的交互，解决aspect检测并自动生成和每个aspect高度相关的包含positive形容词和negative形容词的种子集。aspect检测是通过在句子级别应用的local LDA模型，生成aspects上的一个分布，并且对每个aspect定义一个阈值，如果概率超过该aspect那么认为句子包含了该aspect。然后根据否定前缀和否定词信息以及conjunction信息，为每个aspect得到两组形容词，把出现频率最高的那一组定义为positive，另一组为negative。本文的优秀之处在于没有使用任何词典信息，而是完全数据驱动的，有训练数据得到所有的东西。但本文的缺点是使用形容词作为情感指示器，其他词性的单词对情感判断也是有帮助的。

1、aspect

通过把句子看作文档，应用local LDA模型。假设aspect数目（即topic数目）在10~20之间，通过聚类验证方法（cluster validation scheme）确定最优值。聚类验证法是指对不同model order（聚类数）进行比较，一致性最高的那个数目为最优数目（the one with the most consistent clustering is chosen）。这里为每个aspect关联一个cluster，并把每句话标记为属于最可能aspect对应的cluster。

定义一致性函数：