Resumen

Para aprovechar mejor los datos de comentarios de redes masivas para el apoyo en la toma de decisiones de clientes y comerciantes en la era de big data, este artículo propone dos modelos LDA (Asignación Latente de Dirichlet) optimizados no supervisados, a saber, SLDA (SentiWordNet WordNet-Latent Dirichlet Allocation) y HME-LDA (Agrupación Jerárquica MaxEnt-Latent Dirichlet Allocation), para la minería de opiniones basada en aspectos. Se diseña un esquema de cada uno de los dos modelos optimizados, los cuales utilizan palabras semilla como palabras de tema y construyen el índice invertido, para mejorar la legibilidad de los resultados del experimento. Mientras tanto, basándonos en el modelo de tema LDA, introducimos nuevas variables indicadoras para refinar la clasificación de temas e intentamos clasificar las palabras objetivo de opinión y las palabras de opinión de sentimiento mediante dos esquemas diferentes. Para lograr un mejor efecto de clasificación, se calcula la similitud entre palabras y palabras semilla de dos maneras para

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Datos masivos de comentarios en redes; Soporte para la toma de decisiones; Clientes; Comerciantes; Era de los grandes datos; LDA optimizado no supervisado
• Keywords:Massive network comment data; Decision-making support; Customers; Merchants; Big data era; Unsupervised optimized LDA