Negative binomial distribution model in categorical sequence analysis

Abstract

В работе рассматривается задача анализа тональности текстовых документов. Для классификации документов используется скрытая марковская модель с латентно-семантическими кластерами. По классифицированным документам оцениваются параметры распределений слов. Была установлена принадлежность эмоционально окрашенной лексики отрицательному биномиальному распределению. На примере геометрического распределения, показано различие значений параметров распределений в позитивных и негативных документах.

We consider the problem of sentiment analysis of text documents. To classify documents we use a Hidden Markov Model with the latent-semantic clusters. Classified documents are used to estimate the parameters of words distributions. It was established that the emotionally colored words belongs to the negative binomial distribution. On the example of the geometric distribution, we have shown the difference between the distributions parameters in positive and negative documents.