一种基于词序的社会情感演变分析模型

J4 ›› 2015, Vol. 37 ›› Issue (11): 2175-2181.

一种基于词序的社会情感演变分析模型

刘义红1，2,朱琛2,祝恒书3

（1.淮南师范学院计算机学院,安徽淮南 232001;2.中国科学技术大学计算机科学与技术学院,安徽合肥 230027;
3.百度研究院大数据实验室,北京 100085）

收稿日期:2015-08-13 修回日期:2015-10-21 出版日期:2015-11-25 发布日期:2015-11-25
基金资助:
国家杰出青年科学基金资助项目（61325010）；安徽省教育厅自然科学基金资助项目（KJ2013Z299）

BTMESE:a bigram topic model for
analyzing the evolution of social emotions

LIU Yihong1，2，ZHU Chen2，ZHU Hengshu3

（1.College of Computer,Huainan Normal University,Huainan 232001;
2.College of Computer Science and Technology,University of Science and Technology of China,Hefei 230027;
3.Big Data Lab,Baidu Research,Beijing 100085，China）

Received:2015-08-13 Revised:2015-10-21 Online:2015-11-25 Published:2015-11-25

摘要/Abstract

摘要：

提出了一种基于词序的社会情感演变分析模型（BTMESE），模型通过引入文档中词与词之间的前后关联性，以期有效地揭示时间、文本、情感三种信息之间的潜在联系，进而追踪社会情感演变趋势，进一步提高情感分析的准确率。该模型可应用于情感预测、时间预测等领域。通过在真实世界的数据集上进行验证，结果证明该模型简单有效，能够较好地进行社会情感分析。

关键词: 词序, 情感分析, 社交媒体, 主题模型

Abstract:

We introduce a novel bigram topic model for analyzing the evolution of social emotions (BTMESE). Specifically, the proposed model can discern the semantic relationships among time, texts, and social emotions by creatively integrating wordorder information. In particular, the model could be applied to a wide range of application scenarios,such as emotion prediction and time prediction. The experiments based on real world datasets validate the model's effectiveness in terms of social emotion analysis.

Key words: wordorder;emotion analysis;social media;topic model

刘义红1，2,朱琛2,祝恒书3. 一种基于词序的社会情感演变分析模型[J]. J4, 2015, 37(11): 2175-2181.

LIU Yihong1，2，ZHU Chen2，ZHU Hengshu3. BTMESE:a bigram topic model for
analyzing the evolution of social emotions [J]. J4, 2015, 37(11): 2175-2181.

[1]	张玉莹, 朱广丽, 谈光璞, . 基于情感增强和语义依存的金融隐式情感分析模型[J]. 计算机工程与科学, 2024, 46(06): 1112-1120.
[2]	赵文辉, 吴晓鸰, 凌捷, HOON Heo. 基于prompt tuning的中文文本多领域情感分析研究[J]. 计算机工程与科学, 2024, 46(01): 179-190.
[3]	陈景景, 韩虎, 徐学锋. 面向多方面的双通道知识增强图卷积网络模型[J]. 计算机工程与科学, 2023, 45(12): 2246-2255.
[4]	杨春霞, 桂强, 马文文, 徐奔, . 融合图游走信息的图注意力网络方面级情感分析[J]. 计算机工程与科学, 2023, 45(10): 1858-1865.
[5]	董芃杉, 张晶, 金日泽. 基于双通道门控复合网络的中文产品评论情感分析[J]. 计算机工程与科学, 2023, 45(05): 911-919.
[6]	杨春霞, 姚思诚, 宋金剑, . 一种融合字词信息的中文情感分析模型[J]. 计算机工程与科学, 2023, 45(03): 512-519.
[7]	杨春霞, 姚思诚, 宋金剑, . 基于词共现的方面级情感分析模型[J]. 计算机工程与科学, 2022, 44(11): 2071-2079.
[8]	杨春霞, 宋金剑, 姚思诚, . 基于深度BiLSTM和图卷积网络的方面级情感分析[J]. 计算机工程与科学, 2022, 44(10): 1893-1900.
[9]	段玲, 郭军军, 余正涛, 相艳, . 基于正文和评论交互注意的微博案件方面识别[J]. 计算机工程与科学, 2022, 44(06): 1097-1104.
[10]	周忠宝, 朱文静, 王皓, 郭修远, 王立峰. 基于弹幕文本挖掘的社交媒体KOL研究[J]. 计算机工程与科学, 2022, 44(03): 521-529.
[11]	张宝华 , 李奀林 , 张华平 , 商建云. 基于层次体系的情感单元表示方法[J]. 计算机工程与科学, 2022, 44(01): 149-158.
[12]	王春东, 张卉, 莫秀良, 杨文军. 微博情感分析综述[J]. 计算机工程与科学, 2022, 44(01): 165-175.
[13]	黄泽民, 吴晓鸰, 吴迎岗, 凌捷. 结合BERT和BiSRU-AT的中文文本情感分类[J]. 计算机工程与科学, 2021, 43(09): 1668-1674.
[14]	张琦, 张祖凡, 甘臣权. 融合社会关系的社交网络情感分析综述[J]. 计算机工程与科学, 2021, 43(01): 180-190.
[15]	李超, 严馨, 谢俊, 徐广义, 周枫, 莫源源, . 基于HDP的主题词向量构造——以柬语为例[J]. 计算机工程与科学, 2020, 42(06): 1111-1119.