首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

细粒度情感分析研究

中文摘要第1-6页
Abstract第6-12页
第1章 绪论第12-29页
   ·课题背景和意义第12-13页
   ·国内外研究现状及分析第13-26页
     ·情感词典与情感语料库第14-16页
     ·文本主观性分类第16-18页
     ·篇章、句子级别情感分析第18-22页
     ·存在问题和不足第22页
     ·细粒度情感分析第22-26页
   ·本文的研究重点与工作内容第26-27页
   ·本文的组织结构第27-29页
第2章 情感词的极性强度量化计算研究第29-42页
   ·引言第29页
   ·情感极性强度模糊性分析第29-31页
     ·情感词的情感极性强度模糊性第30页
     ·情感修饰词的情感极性强度模糊性第30-31页
   ·基于字的情感词极性强度量化计算方法第31-33页
   ·基于情感词分类计算的极性强度量化方法第33-36页
     ·基础情感词的极性强度量化计算第33-34页
     ·复合情感词的极性强度量化计算第34-36页
   ·实验结果及分析第36-41页
     ·情感词极性强度量化计算基准实验第37-38页
     ·基于情感词分类的极性强度量化计算第38-40页
     ·基于不同领域的情感未定词极性强度量化计算第40-41页
   ·本章小结第41-42页
第3章 评价对象属性及其情感表达元素的联合识别研究第42-62页
   ·引言第42-43页
   ·条件随机场模型介绍第43-46页
   ·评价对象属性及其情感表达元素的序列化联合抽取模型第46-47页
   ·基本特征抽取第47-49页
     ·词汇信息第47-48页
     ·词性标注第48-49页
   ·语义特征抽取第49-55页
     ·语义角色基础知识第49-50页
     ·语义角色的应用研究第50-52页
     ·基于语义角色的语义特征抽取第52-55页
   ·训练集构建第55-56页
     ·标注集第55页
     ·评论语料的人工标注第55-56页
   ·实验结果与分析第56-61页
     ·实验设置第56-57页
     ·基准系统实验结果第57-58页
     ·引入语义特征后的系统实验结果第58-59页
     ·不同模板条件下的系统实验结果第59-61页
   ·本章小结第61-62页
第4章 细粒度属性分类及情感计算第62-94页
   ·引言第62-63页
   ·基于监督学习的属性分类研究第63-69页
     ·最大熵模型介绍第63-64页
     ·特征设计第64-65页
     ·训练集构建第65-66页
     ·实验结果及分析第66-69页
       ·实验设置第66页
       ·属性分类实验结果第66-69页
   ·基于半监督学习的属性分类研究第69-90页
     ·半监督学习方法第70-71页
     ·基于分层抽样的自举属性分类方法第71-90页
       ·分层抽样模型第71-72页
       ·自举属性分类算法第72-73页
       ·分层策略的自举属性分类第73-77页
       ·实验结果和分析第77-90页
   ·情感计算研究第90-93页
     ·属性类别与情感词的关联挖掘第90-91页
     ·情感汇总计算第91-92页
     ·实验结果及分析第92-93页
   ·本章小结第93-94页
第5章 基于细粒度情感分析方法的酒店评论意见挖掘系统第94-106页
   ·引言第94-95页
   ·系统架构及功能模块第95-100页
     ·评论数据采集及预处理模块第97页
     ·数据处理与分析模块第97-98页
     ·信息展示模块第98-99页
     ·情感分析服务化封装第99-100页
   ·系统实现第100-105页
     ·酒店评论处理第101-103页
     ·基于评论对象属性的酒店检索第103-105页
   ·本章小结第105-106页
第6章 总结与展望第106-108页
   ·本文研究总结第106-107页
   ·下一步工作设想第107-108页
参考文献第108-116页
作者在攻读博士学位期间完成的论文及科研工作第116-118页
致谢第118-119页

论文共119页,点击 下载论文
上一篇:“晚年丁玲”研究
下一篇:配位修饰的铟硫属化合物的合成