中文新闻文本倾向性分析研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·新闻倾向性的界定 | 第12-13页 |
| ·新闻事实倾向性 | 第12页 |
| ·新闻文本倾向性 | 第12-13页 |
| ·新闻受众倾向性 | 第13页 |
| ·国内外研究现状 | 第13-17页 |
| ·词语级倾向性分析 | 第14页 |
| ·句子级倾向性分析 | 第14-15页 |
| ·篇章级倾向性分析 | 第15-16页 |
| ·存在的主要问题 | 第16-17页 |
| ·本文研究工作及组织结构 | 第17-19页 |
| ·本文的研究内容 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第2章 相关技术基础 | 第19-25页 |
| ·文本表示方法及其处理技术 | 第19-22页 |
| ·中文分词 | 第19-20页 |
| ·向量空间表示模型 | 第20页 |
| ·权重计算 | 第20-21页 |
| ·特征选择 | 第21-22页 |
| ·文本分类方法 | 第22-24页 |
| ·决策树 | 第22页 |
| ·朴素贝叶斯分类 | 第22-23页 |
| ·支持向量机 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 新闻主题句的抽取 | 第25-37页 |
| ·新闻的定义及其文本结构 | 第25-26页 |
| ·新闻的定义 | 第25页 |
| ·新闻的文本结构 | 第25-26页 |
| ·多特征融合的新闻主题句抽取模型 | 第26-33页 |
| ·特征选择 | 第26页 |
| ·语料样例 | 第26-27页 |
| ·新闻高频词特征 | 第27-29页 |
| ·新闻标题特征 | 第29-31页 |
| ·句子位置特征 | 第31页 |
| ·倾向性线索词特征 | 第31-32页 |
| ·多特征融合的模型构建 | 第32-33页 |
| ·实验与评价 | 第33-36页 |
| ·语料介绍 | 第33-34页 |
| ·基于训练集的参数学习 | 第34-35页 |
| ·基于评测集的结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于主题句的新闻文本倾向性分析 | 第37-48页 |
| ·概述 | 第37-38页 |
| ·新闻句子的倾向性分析 | 第38-45页 |
| ·基于情感词典的倾向性分析 | 第38-41页 |
| ·基于支持向量机的倾向性分析 | 第41-43页 |
| ·改进后的句子倾向性分析 | 第43-45页 |
| ·新闻文本倾向性分析 | 第45-47页 |
| ·可行性探讨 | 第45页 |
| ·过程的规范化描述 | 第45-46页 |
| ·实验及分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 新闻专题阶段性摘要的生成算法 | 第48-61页 |
| ·概述 | 第48页 |
| ·相关工作 | 第48-49页 |
| ·概念的定义 | 第49-50页 |
| ·新闻专题阶段性摘要的生成 | 第50-55页 |
| ·新闻文档的主题抽取 | 第50-51页 |
| ·阶段性摘要生成的主要思想 | 第51-53页 |
| ·阶段性摘要生成的详细算法 | 第53-55页 |
| ·实验分析 | 第55-60页 |
| ·语料介绍 | 第55页 |
| ·评价指标 | 第55-56页 |
| ·实验方法 | 第56-58页 |
| ·结果及分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·本文总结 | 第61-62页 |
| ·下一步展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 个人简历及在研期间的论文 | 第66-67页 |
| 致谢 | 第67页 |
