Giới thiệu mô hình UTSM (LDA-Col) không giám sát, sử dụng phân phối Dirichlet và thuật toán Gibbs Sampling để phân loại cảm xúc theo chủ đề.  

• Đề xuất thuật toán mở rộng từ điển cảm xúc theo cặp phụ thuộc, giúp phát hiện từ cảm xúc và đối tượng đánh giá mới.  
• - Xây dựng 6 mô hình phụ thuộc ưu tiên để trích xuất đơn vị đánh giá (từ cảm xúc + đối tượng đánh giá) từ câu Weibo.  
• - Thiết kế thuật toán hợp nhất đối tượng đánh giá để đảm bảo tính đầy đủ và chính xác.  
• - Thực nghiệm trên hai chủ đề Weibo: vụ chìm tàu “Star of the East” (biểu hiện cảm xúc buồn) và vụ va chạm tàu chiến Philippines (biểu hiện cảm xúc giận dữ).  
• - Đánh giá hiệu năng bằng các chỉ số Precision, Recall, F-measure, so sánh với các mô hình như SVM, CRF, ME, NN…  
• - Kết quả cho thấy mô hình CRF có hiệu suất cao nhất, nhưng mô hình đề xuất cũng đạt hạng nhì trong hai nhiệm vụ tại hội nghị NLP&CC2012: phân loại xu hướng cảm xúc và trích xuất yếu tố cảm xúc.