从情感文本中挖掘社会情感

本文关注从文本中挖掘社会情感的问题。近年来，随着Web 2.0的快速发展，越来越多的文档被社会用户赋予情感标签，如快乐、悲伤和惊讶。这些情感为文档分类提供了一种新的视角，从而帮助在线用户根据他们的情感偏好选择相关文档。尽管如此，手动情感标签的比例与海量的网络/企业文档相比仍然微乎其微。本文旨在发现社会情感与情感术语之间的联系，并基于此自动预测文本内容中的社会情感。更具体地说，我们提出了一种联合情感-主题模型，通过增加情感建模的额外层增强潜在狄利克雷分配。它首先从情感生成一组潜在主题，然后从每个主题生成情感术语。在在线新闻集合上的实验结果表明，所提模型能够有效识别每种情感的有意义的潜在主题。对情感预测的评估进一步验证了所提模型的有效性。