DOI:10.3969/j.issn.1003-0972.2023.03.024文章编号:1003-0972(2023)03-0490-05基于主题相关性和深度学习的文本情感分析闵洁,吉秉彧*(信阳农林学院信息工程学院,河南信阳464000)摘要:将相关主题模型和神经网络相结合开展文本情感分析研究。首先,为了度量文本的主题相关程度,采用CTM模型对文本进行特征分割,得到主题与词之间的相关矩阵和文本句子的主题特征向量;其次,基于相关性理论,构造蕴含主题相关信息的词向量,采用word2vec模型进行文本词表示;最后,使用BiLSTM模型对文本句子进行表示,实现文本情感特征提取。关键词:情感分析;主题相关性;深度学习;BiLSTM模型中图分类号:TP391.1文献标识码:A开放科学(资源服务)标识码(OSID):TextSentimentAnalysisBasedonTopicCorrelationandDeepLearningMINJie,JIBingyu*(SchoolofInformationEngineering,XinyangAgricultureandForestryUniversity,Xinyang464000,China)Abstract:Thecorrelatedtopicmodelandneuralnetworkareintegratedtocarryouttextsentimentanalysis.Firstly,inordertomeasurethedegreeoftopiccorrelation,thecorrelatedtopicmodelisusedtosegmentthetexts.Basedonthis,thecorrelationmatrixandthetopicfeaturevectorofthesentencesareobtained.Secondly,thewordvectorscontainingtopicrelatedinformationareconstructedbasedonthecorrelationtheory,andtheword2vecmodelisusedtorepresenttextwords.Finally,BiLSTMmodelisusedtorepresenttextsentencesandrealizeemotionfeatureextraction.Keywords:sentimentanalysis;topiccorrelation;deeplearning;BiLSTMmodel0引言互联网时代背景下,各种电子商务平台的评论文本数据巨量增长,其中蕴含的情感信息对商家用户有着非凡的意义和实用价值,如何快速精准地从其中提取有情感的信息,已经成为该领域科学家和学者的研究方向,发展行之有效的理论方法是当下亟待解决的问题,因此,文本情感分析研究具有广阔的前景和重大意义。目前,文本情感分析已经广泛应用于新闻传媒、文化娱乐、电子商务、语义相似计算等领域[1]。早期的研究中,主要采用聚类算法对文本进行处理来实现特征提取,主题概率统计模型是常用理论方法,其良好的可移植性和优良的性能受到广大研究者的青睐,所采用的概率统计理论可以挖掘文本中隐含的主题特征,进而将具有相似语义的关键词进行特征归类。文献[2]提出了潜在评级回归模型(LatentRatingRegression,LRR),使用基于自举的文本分割算法对文...
