一种基于嵌入的短文本联合情感-主题模型
计算与语言
2021-03-29 v1 人工智能
摘要
短文本是在社交媒体、电子商务平台等上分享反馈、意见和评论的流行途径。许多公司需要从此类短文本中提取有意义的信息（可能包括主题内容以及语义极性）以理解用户行为。然而，为短文本获取高质量的、情感关联且人类可解释的主题仍然是一个挑战。在本文中，我们开发了ELJST，一种嵌入增强的生成式联合情感-主题模型，能够从短文本中发现更连贯和多样的主题。它使用马尔可夫随机场正则化器，可视为基于skip-gram模型的推广。此外，它可利用词嵌入中出现的高阶语义信息，例如图模型中的自注意力权重。我们的结果显示，相对于基线，主题连贯性平均提高10%，主题多样性平均提高5%。最后，ELJST有助于在更细粒度且可解释的层面上理解用户行为。所有这些都能为经常与客户打交道的服务和医疗保健行业带来显著价值。
引用
@article{arxiv.2103.14410,
title = {An Embedding-based Joint Sentiment-Topic Model for Short Texts},
author = {Ayan Sengupta and William Scott Paka and Suman Roy and Gaurav Ranjan and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2103.14410},
year = {2021}
}
备注
Accepted in International AAAI Conference on Web and Social Media (ICWSM), 2021