1.SA-LDA主题模型的基本概念

根据中文产品评论多以逗号断句的特点，本书以逗号“，”为界，将产品评论分割为多个评论片段，并且假设每一个评论片段都只评价一个产品属性。对于在相同评论片段内的词语和在不同评论片段之间的词语而言，前者的内在联系远大于后者。因此，本书以评论片段为单位，定义潜在主题。

根据基本概念的界定（详见第1章1.4.1节），产品属性表示产品具有的各个方面，特征词为评论中描述产品属性的具体词语。含义相近的多个特征词可能描述同一个产品属性，例如“价钱”、“价格”、“价位”和“价值”等特征词都描述产品的价格。此外，某些观点词也能指示产品属性，例如“便宜”特指产品价格。因此，LDA主题模型通过将语义相近的词语进行聚类，提取评论中的产品属性。

在产品评论中，用户通常针对特定的产品属性发表积极或者消极的评价。也就是说，评论中的产品属性都带一定的情感，所以将情感类型与产品属性组合成“情感-属性对”，作为评论的潜在主题。

综合上述，本书对标准的LDA主题模型进行改进，将主题提取的层面从文档级与句子级细化到片段级，并且以“情感-属性对”作为模型的提取对象，从而构造面向产品评论的SA-LDA主题模型。

2.SA-LDA主题模型的评论生成过程

本书认为，在产品评论的生成过程中，用户首先对产品给予整体评价，然后针对产品的各个方面发表不同的看法，最后生成相应的特征词与观点词，以表达用户对不同产品属性的正、负面评价。

例1：假设这么一个场景：用户A在网上为某款手机发表了一条评论，表达了自己对该款手机70%满意和30%不满意。其中满意的方面包括屏幕、功能和价格等三个方面，并且各占总满意度的50%、25%和25%，而不满意的方面包括外形和体积两个方面，并且各占不满意度的80%和20%。

基于这一假定，“产品属性”和“情感”相互作用，即评论中的“产品属性”被赋予特定的“情感”，而“情感”也对应于特定的“产品属性”。换句话说，“情感”的多项式分布受到“产品属性”先验概率的影响，同时“情感”的观测结果也作用于“产品属性”的观测结果。因此，SA-LDA主题模型的贝叶斯网络图解如图3-4所示。相对于标准的LDA三层模型（图3-3），SA-LDA主题模型新增了“评论片段”层，并且为模型的“产品属性”添加了“情感”的约束。

图3-4　SA-LDA主题模型的贝叶斯网络图解

互联网上产品评论的附加信息（如星级评分等）反映了用户对产品的积极或者消极态度，所以将评论的整体情感当作可观测的随机变量λr。根据LDA主题模型的基本概念（表3-1），图3-4中所示各个符号的含义如表3-2所列。

表3-2　SA-LDA主题模型的贝叶斯网络图解中符号的含义

(www.daowen.com)

续　表

综合上述，基于SA-LDA主题模型的评论生成过程如下。

对于每篇评论：

1.生成M个评论片段，且M～Poisson（ξ）；

2.根据Dirichlet分布计算每篇评论的情感分布概率向量，即由随机生成一个S维向量；

3.根据Dirichlet分布计算每类情感下的产品属性概率分布向量，即由随机生成一个A维向量；

4.对于每个评论片段：

（1）从情感分布概率向量的多项式分布中随机筛选情感sn，即根据分布生成sn，且；

（2）给定上述筛选的情感sn，从产品属性分布概率向量的多项式分布中随机筛选zn，即根据分布生成zn，且；

（3）对于每个评论片段包含的每一个词语wn：

①从上述筛选的“情感-属性对”（sn，zn）的多项式分布中挑选一个词语wn，即根据分布生成wn，且；

②重复①，依次迭代出剩余的词语；

（4）重复（1）、（2）和（3），依次迭代出剩下的评论片段。