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 |
