中文语义倾向识别的关键算法研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 概述 | 第9-13页 |
| ·引言 | 第9-11页 |
| ·论文研究背景 | 第9-10页 |
| ·论文研究价值 | 第10-11页 |
| ·论文安排 | 第11-13页 |
| 第二章 语义倾向识别方法简介 | 第13-19页 |
| ·研究领域 | 第14-15页 |
| ·研究现状 | 第15-18页 |
| ·机器学习方法 | 第16-17页 |
| ·统计测度方法 | 第17页 |
| ·其他方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 语义倾向识别算法原理 | 第19-43页 |
| ·全信息自然语言理解的方法论 | 第19-21页 |
| ·向量空间模型 | 第21-22页 |
| ·基于向量空间模型的机器学习算法 | 第22-40页 |
| ·朴素贝叶斯 | 第22-25页 |
| ·C4.5决策树 | 第25-27页 |
| ·RIPPER规则 | 第27-29页 |
| ·简单线性分类器 | 第29-31页 |
| ·径向基函数 | 第31-34页 |
| ·支持向量机 | 第34-38页 |
| ·k最近邻 | 第38-40页 |
| ·非向量空间模型的统计测度算法 | 第40-42页 |
| ·语义倾向点态互信息 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 SOVR算法原理与实验 | 第43-63页 |
| ·SOVR算法 | 第43-46页 |
| ·算法原理 | 第43-44页 |
| ·算法步骤 | 第44-46页 |
| ·实验语料 | 第46-48页 |
| ·实验词表 | 第48-49页 |
| ·实验指标 | 第49-52页 |
| ·交叉验证 | 第49-51页 |
| ·评估方法 | 第51-52页 |
| ·实验I | 第52-55页 |
| ·实验II | 第55-57页 |
| ·实验III | 第57-59页 |
| ·实验IV | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 工作小结与展望 | 第63-64页 |
| ·研究工作小结 | 第63页 |
| ·进一步的研究工作 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
