基于词项共现关系图模型的中文观点句识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-14页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 2 观点句识别技术概述 | 第14-26页 |
| 2.1 观点句识别基本流程 | 第14页 |
| 2.2 文本预处理及表示 | 第14-17页 |
| 2.2.1 文本预处理 | 第15-16页 |
| 2.2.2 文本表示 | 第16-17页 |
| 2.3 文本特征的选择及特征值的计算 | 第17-20页 |
| 2.3.1 文本特征的选择 | 第17-18页 |
| 2.3.2 文本特征值的计算 | 第18-20页 |
| 2.4 常用文本分类器和评价指标 | 第20-22页 |
| 2.4.1 SVM分类算法 | 第20-21页 |
| 2.4.2 Boosting分类算法 | 第21-22页 |
| 2.4.3 评价指标 | 第22页 |
| 2.5 观点句识别主流方法 | 第22-25页 |
| 2.5.1 基于规则的观点句识别 | 第23页 |
| 2.5.2 基于机器学习的观点句识别 | 第23-24页 |
| 2.5.3 基于混合模型的观点句识别 | 第24-25页 |
| 2.5.4 基于自学习的观点句识别 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 基于词项共现关系图模型的观点句识别 | 第26-34页 |
| 3.1 相关研究工作 | 第26-27页 |
| 3.2 词项共现关系图的构建 | 第27-29页 |
| 3.3 特征值计算 | 第29-32页 |
| 3.3.1 基于图模型的词项入度值计算 | 第29-30页 |
| 3.3.2 基于信息检索的特征值计算 | 第30-31页 |
| 3.3.3 基于图模型的复杂特征值计算 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 实验设计及结果分析 | 第34-42页 |
| 4.1 实验准备 | 第34-35页 |
| 4.1.1 数据集 | 第34页 |
| 4.1.2 数据集预处理 | 第34-35页 |
| 4.2 LibSVM介绍 | 第35-36页 |
| 4.3 实验设计 | 第36页 |
| 4.4 实验结果及分析 | 第36-41页 |
| 4.4.1 Baseline实验结果 | 第36-38页 |
| 4.4.2 基于FG模型的实验结果 | 第38-39页 |
| 4.4.3 基于BG模型的实验结果 | 第39-40页 |
| 4.4.4 滑动窗.大小对实验结果的影响 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42页 |
| 5.2 未来工作 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-50页 |
| 在读研期间公开发表论文（著）及科研情况 | 第50页 |
