融入词汇共现的社交网络用户情感Biterm主题模型

近年社交网络用户数量不断增加，基于文本的用户情感分析技术得到普遍关注和应用。但数据稀疏性、精度较低等问题往往会降低情感识别方法的精度和速度，提出了用户情感Biterm主题模型（US-BTM），从特定场所的文本中发现用户偏好及情感倾向，有效利用Biterm进行主题建模，并使用聚合策略形成伪文档，为整个文本集创建词汇配对以解决数据稀疏性和短文本等问题。通过词汇共现算法对主题进行研究，推断文本集级别信息的主题，并通过分析特定场景下的评论文本集中的词汇配对集及其相应主题的情感，达到准确预测用户对特定场景的兴趣、偏好和情感的目的。结果证明，所提方法能准确地捕捉用户的情感倾向，正确地揭示用户偏好，可广泛应用于社交网络的内容描述、推荐及社交网络用户兴趣描述、语义分析等多个领域。