基于动态主题情感模型的文本聚类算法

摘要

针对目前已有的相关主题模型中，对大众情感因素考虑不足，难以精准挖掘，同时对社交文本的实时动态演化考虑弱化了模型聚类能力的问题，通过在模型中增加情感层以提取社交文本情感极性特征，并引入先验分布函数，提出一种基于动态主题情感模型的文本聚类算法.利用真实新冠疫情Twitter文本数据集进行实验，实验结果表明，该模型的性能优于基线模型，提高了情感特征区分度，使文本主题与对应的情感极性联合生成时间节点，进而使模型有处理时间演化的能力.

关键词

动态主题情感模型 / 文本挖掘 / 情感标签 / 时间戳 / 文本聚类 / 困惑度