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

面向短文本的舆情本体概念抽取方法研究

摘要第2-3页
abstract第3页
第一章 绪论第6-10页
    1.1 研究背景和意义第6-7页
    1.2 研究现状第7-8页
        1.2.1 话题的检测和跟踪的研究现状第7页
        1.2.2 本体概念抽取研究现状第7-8页
        1.2.3 短文本研究现状第8页
    1.3 本文主要工作第8-9页
    1.4 本文的组织结构第9-10页
第二章 面向短文本的舆情本体概念抽取相关技术分析第10-21页
    2.1 本体理论概述第10-13页
        2.1.1 本体的定义第10页
        2.1.2 本体学习第10-12页
        2.1.3 概念获取方法第12-13页
        2.1.4 语义网第13页
    2.2 主题识别相关技术第13-15页
        2.2.1 关键词抽取技术第13-14页
        2.2.2 向量空间模型第14-15页
    2.3 中文分词特点第15-16页
        2.3.1 分词定义第15页
        2.3.2 分词的算法第15-16页
    2.4 特征表示第16-18页
        2.4.1 表示模型第16页
        2.4.2 抽取特征词的方法第16-17页
        2.4.3 基于语言学的领域本体概念获取方法第17页
        2.4.4 基于统计学的领域本体概念获取方法第17-18页
    2.5 短文本的研究第18-20页
        2.5.1 短文本的特点第18-19页
        2.5.2 短文本的应用第19页
        2.5.3 短文本的定义第19-20页
        2.5.4 短文本的分类第20页
    2.6 本章小结第20-21页
第三章 面向短文本的舆情概念抽取第21-29页
    3.1 语料变化产生的问题第21页
    3.2 使用集合算法计算文本相关度第21-22页
    3.3 短文本长尾现象解决第22-23页
    3.4 舆情短文本语料库的特点第23页
    3.5 面向短文本的舆情本体概念的提取第23-28页
        3.5.1 抽取特征词第25页
        3.5.2 识别主题第25-26页
        3.5.3 提取候选概念第26-27页
        3.5.4 提取核心概念第27-28页
        3.5.5 合并重复的主题词第28页
    3.6 本章小结第28-29页
第四章 实验过程与结果分析第29-33页
    4.1 实验过程第29-30页
    4.2 结果分析第30-32页
    4.3 本章小结第32-33页
第五章 总结与展望第33-35页
    5.1 总结第33页
    5.2 展望第33-35页
参考文献第35-39页
攻读硕士学位期间取得的研究成果第39-40页
致谢第40-41页

论文共41页,点击 下载论文
上一篇:磁悬浮球系统的建模与控制
下一篇:鲁棒自适应图正则化聚类算法