• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Advances in knowledge discovery and data mining >Joint Naieve Bayes and LDA for Unsupervised Sentiment Analysis
【24h】

Joint Naieve Bayes and LDA for Unsupervised Sentiment Analysis

机译：联合Naieve Bayes和LDA进行无监督情绪分析

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we proposed a hierarchical generative model based on Naieve Bayes and LDA for unsupervised sentiment analysis at sentence level and document level of granularity simultaneously. In particular, our model called NB-LDA assumes that each sentence instead of word has a latent sentiment label, and then the sentiment label generates a series of features for the sentence independently in the Naieve Bayes manner. The idea of NB assumption at sentence level makes it possible that we can use advanced NLP technologies such as dependency parsing to improve the performance for unsupervised sentiment analysis. Experiment results show that the proposed NB-LDA can obtain significantly improved results for sentiment analysis comparing to other approaches.
机译：在本文中，我们提出了一种基于Naieve Bayes和LDA的层次生成模型，用于同时在句子级别和文档粒度级别上进行无监督的情感分析。特别是，我们的模型NB-LDA假设每个句子而不是单词都有一个潜在的情感标签，然后情感标签以Naieve Bayes的方式独立地为句子生成一系列特征。在句子级别使用NB假设的想法使我们可以使用高级NLP技术（例如依赖项解析）来提高无监督情绪分析的性能。实验结果表明，与其他方法相比，所提出的NB-LDA可以在情感分析上获得显着改善的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号