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

短文本信息抽取若干技术研究

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第16-28页
    1.1 研究背景和意义第16-23页
    1.2 本文研究内容第23-25页
    1.3 本文的组织结构第25-28页
        1.3.1 内容组织第25-26页
        1.3.2 文献综述第26-28页
第二章 相关研究综述第28-40页
    2.1 微博事件类型抽取研究综述第28-29页
    2.2 微博事件抽取研究综述第29-33页
        2.2.1 基于主题模型的微博事件抽取方法第29-30页
        2.2.2 基于文本聚类的微博事件抽取方法第30-33页
    2.3 微博事件表达研究综述第33-35页
    2.4 商品评论情感分析研究综述第35-37页
        2.4.1 传统情感分析方法第35页
        2.4.2 基于属性的情感分析第35-36页
        2.4.3 情感词典抽取第36-37页
    2.5 本章小节第37-40页
第三章 微博事件抽取第40-54页
    3.1 引言第40-42页
    3.2 微博事件抽取总体流程第42-43页
    3.3 事件类型抽取第43-46页
        3.3.1 特征抽取第44-46页
        3.3.2 事件类型抽取第46页
    3.4 事件微博聚类第46-48页
        3.4.1 相似度计算第46-47页
        3.4.2 聚类过程第47-48页
    3.5 实验结果及分析第48-53页
        3.5.1 数据集第48页
        3.5.2 事件类型抽取第48-49页
        3.5.3 事件聚类第49-53页
    3.6 本章小结第53-54页
第四章 微博事件5W1H语义元素抽取第54-70页
    4.1 引言第54-55页
    4.2 When元素抽取方法第55-60页
        4.2.1 时间表达相关概念第55-57页
        4.2.2 时间粒度表达第57页
        4.2.3 基于粒度的时间元素抽取算法第57-60页
    4.3 Where元素抽取第60-61页
        4.3.1 地理信息表达相关概念第60-61页
        4.3.2 地理元素抽取算法第61页
    4.4 Who,What和Whom元素抽取第61-65页
        4.4.1 初始语义元组抽取第62页
        4.4.2 词语聚类和链接第62-65页
    4.5 How元素抽取第65页
    4.6 实验结果及分析第65-68页
        4.6.1 When元素和Where元素第65页
        4.6.2 Who,What和Whom元素第65-68页
    4.7 本章小结第68-70页
第五章 多维度商品评论情感分析第70-90页
    5.1 引言第70-72页
    5.2 多维度商品评论情感分析总体流程第72-73页
    5.3 句子切分第73-77页
        5.3.1 相关工作第74-75页
        5.3.2 基于卷积神经网络的句子切分方法第75-77页
    5.4 商品维度映射第77-78页
    5.5 情感词典扩充第78-80页
    5.6 情感分析第80-83页
    5.7 实验结果及分析第83-87页
        5.7.1 数据集第83-84页
        5.7.2 句子切分第84-86页
        5.7.3 维度情感词典构建第86-87页
        5.7.4 情感分析第87页
    5.8 本章小结第87-90页
第六章 结论第90-94页
    6.1 本文的主要工作第90-91页
    6.2 本文的主要贡献和创新点第91-92页
    6.3 下一步的研究工作第92-94页
参考文献第94-100页
致谢第100-102页
在读期间发表的学术论文与取得的研究成果第102-103页

论文共103页,点击 下载论文
上一篇:网络DEA理论方法与应用研究
下一篇:视觉显著性检测模型研究及应用