基于LDA—加权Word2Vec组合的机器学习情感分类模型研究

作者：陈登建; 杜飞霞; 吴瑞雪; 杨秀璋; 夏换^*

来源：现代计算机(专业版), 2022, 28(18): 16-22.

• LDA主题挖掘
• Word2Vec模型
• 机器学习
• 情感分类

为解决社交媒体用户发布评论文本过长，导致情感倾向不明确，情感特征分布离散，传统情感分类模型缺乏上下文语义分析，提取情感特征不准确，分类精准率较低的难题，提出一种主题模型与词向量组合特征（LDA-Word2Vec）的情感分类模型。通过LDA主题模型对长评论文本进行特征提取，构建所有主题下的特征词库；借助特征词库构建长评论的LDA特征表达；利用CBOW训练得到特征表达后文本的词向量表示，使用TF-IDF对词向量进行加权并融合语义特征，再构建机器学习模型对长评论文本进行情感分类的方法，研究了机器学习情感分类模型。实验结果表明：相较于传统的文本特征表示方法，本文提出的LDA-Word2Vec组合特征的方法，在情感分类的准确率与召回率的表现上都更加优秀。可见本文的模型能够进一步挖掘文本的情感特征，具有一定学术意义和现实意义。

• 单位
  贵州财经大学