-
题名面向产品评论分析的短文本情感主题模型
被引量：19
- 1
-
-
作者
熊蜀峰
姬东鸿
-
机构
武汉大学计算机学院
平顶山学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2016年第8期1227-1237,共11页
-
基金
国家自然科学基金(61373108
61173062
+1 种基金
61133012)
国家社会科学重大招标计划项目(11&ZD189)资助~~
-
文摘
情感主题联合生成模型已经成功应用于网络评论分析.然而,随着智能终端设备的广泛应用,由于屏幕及输入限制,用户书写的评论越来越短,我们不得不面对短评论中的文本稀疏问题.本文提出了一个针对短文本的联合情感–主题模型SSTM(Short-text sentiment-topic model)来解决稀疏性问题.不同于一般主题模型中通常采用的基于文档产生过程的建模方法,我们直接对整个语料集合的产生过程建模.在产生文档集的过程中,我们每次采样一个词对,同一个词对中的词有相同的情感极性和主题.我们将SSTM模型应用于两个真实网络评论数据集.在三个实验任务中,通过定性分析验证了主题发现的有效性,并与经典方法进行定量对比,SSTM模型的文档级情感分类性能也有较大提升.
-
关键词
情感分类
情感主题模型
主题模型
短文本主题模型
文本稀疏
-
Keywords
Sentiment classification
sentiment topic model
topic model
short text topic mode
text sparse
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名聊天机器人中用户就医意图识别方法
被引量：10
- 2
-
-
作者
余慧
冯旭鹏
刘利军
黄青松
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学教育技术与网络中心
云南省计算机技术应用重点实验室(昆明理工大学)
-
出处
《计算机应用》
CSCD
北大核心
2018年第8期2170-2174,共5页
-
基金
国家自然科学基金资助项目(81360230
81560296)~~
-
文摘
传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法,针对其费时费力而且扩展性不强的问题,并结合医疗领域聊天文本的特点,提出了基于短文本主题模型(BTM)和双向门控循环单元(Bi GRU)的意图识别模型。该混合模型将用户就医意图识别看作分类问题,使用主题特征,首先通过BTM对用户聊天文本逐句进行主题挖掘并量化,然后送入Bi GRU进行完整上下文学习得到连续语句最终表示,最后通过分类完成用户就医意图识别。对爬取的语料进行实验,BTM-Bi GRU方法明显优于传统的支持向量机(SVM)等方法,其F值更是高出目前较好的卷积长短期记忆组合神经网络(CNN-LSTM)近1.5个百分点。实验结果表明,在本任务上该混合模型重点考虑研究对象的特点,能有效提高意图识别的准确率。
-
关键词
就医意图识别
医疗聊天文本
短文本主题模型
双向门控循环单元
模板匹配
-
Keywords
identification of medical intention
medical chatting text
biterm topic model
bidirectional gated recurrent unit
template matching
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
