48、在线评论情感分析与语义意见检索技术

在线评论情感分析与语义意见检索技术

1. ARO 模型在情感分析中的应用

1.1 ARO 模型参数设置

在在线评论的情感分析中，ARO 模型具有八个 Dirichlet 先验参数，这些参数会影响 Gibbs 采样的收敛性，但对输出结果影响不大。一般在所有实验中，我们设置 $\alpha_e = 0.1$，$\alpha_u = 0.1$，$\alpha_o = 0.1$，$\beta = 0.05$，$S = 3$ 以及 $\eta = 0.5$。对于其余超参数 $\gamma_e$，$\gamma_u$ 和 $\gamma_o$，在正情感标签下设置为 0.01，在负情感标签下设置为 5。

1.2 情感先验的定义与整合

实验中选择了两个词典：MPQA 主观性词典和过滤后的 MPQA 主观性词典，这两个词典都曾在 JST 中使用。

1.3 情感分类

文档情感分类基于 $p(l|d)$，通过公式 5 进行近似计算。在实验中，仅考虑给定文档的正、负标签概率。同时，我们遵循 B. Pang（2004）的方法，在情感分类前进行主观性检测，将其命名为“主观 MR”。

以下是不同模型和先验情感知识的实验结果：
| 先验情感 | OR(%) | UR(%) | ARO(%) | JST(%) |
| — | — | — | — | — |
| MPQA | 69.8 | 71.0 | 71.5 | 70.4 |
| 过滤后的 MPQA | 81.5 | 82.3 | 83.5 | 82.8 |
| 过滤后的 MPQA（主观 MR） | 84.8 | 85.