[发明专利]一种基于词典改进LDA模型的评论方面观点级挖掘方法

权利要求书

1.一种基于词典改进LDA模型的评论方面观点级挖掘方法，其特征在于，所述方面是评论文本中所谈论的有关评论对象的属性细节，该方法包括以下步骤：

S1.基于原始网络评论库，构建倒排索引列表；

S2.对原始网络评论库各句子进行去停词处理，得到预处理后网络评论库；

S3.将预处理后网络评论库输入基于词典SentiWordNet与WordNet的改进LDA模型，采用吉布斯抽样，得到抽样结果；

S4.对抽样结果进行排序，选取属于对应评价类别的概率排名前m的单词，根据单词的倒排索引找到具体的句子；

步骤S3包括以下子步骤：

S31.将网络评论库的方面直接设置为种子词；

S32.将网络评论库中的评论文本以句子为单位进行划分，形成一个评论文本句子集合；

S33.基于单词与种子词之间的相似度，为每个句子设置不同参数α_d；基于单词与种子词之间的语义相似度，将为每个主题单独设置对方面级对象词、积极评论词、消极评论词分别设置参数β_t,A、β_t,P、β_t,N；

S34.采用吉布斯抽样评论文本句子集合，对基于词典SentiWordNet与WordNet的改进LDA模型进行参数估计与推理。

2.如权利要求1所述的方法，其特征在于，步骤S1包括以下子步骤：

S11.以二元组a，b的形式对原始网络评论库中各句子各单词进行编号，a表示所在句子的编号，b表示在句中单词的编号；

S12.去除原始网络评论库中重复的词，并记录剩余单词编号；

S13.基于去重后的单词编号，生成倒排索引列表。

3.如权利要求1所述的方法，其特征在于，

β_t，A＝sim(w，A)*β_base

β_t，P＝sim(w，P)*β_base

β_t，N＝sim(w，N)*β_base

其中，N_d为当前句子中所有词的个数，T为主题个数，w_d，i为当前句子中的第i个词，t为种子词，sim(w，t)表示w与种子词t语义相似度，α_base表示标准LDA模型中主题服从狄利克雷分布的定值参数α；sim(w，A)表示w属于对象词的概率，sim(w，P)表示w属于积极词的概率，sim(w，N)表示w属于消极词的概率，β_base为标准LDA模型中单词服从狄利克雷分布的定值参数β。