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

情感极性转移现象研究及应用

中文摘要第1-6页
Abstract第6-11页
第1章 绪论第11-21页
   ·研究背景第11-13页
   ·研究意义第13-15页
     ·情感分析研究的意义第13-14页
     ·情感分析中语言现象研究的意义第14-15页
   ·国内外研究现状第15-18页
     ·情感分类相关研究第15-16页
     ·语言知识在情感分类中的相关研究第16-18页
   ·研究内容第18-19页
   ·组织结构第19-21页
第2章 相关知识介绍第21-32页
   ·语料标注相关背景知识第21-24页
     ·句子与表达级别的语料标注工作第21-23页
     ·主观句语料标注工作第23-24页
   ·文本表示模型第24-26页
     ·向量空间模型第24-25页
     ·基于二部图的文本表示模型第25-26页
   ·特征提取方法第26-27页
   ·分类方法第27-30页
     ·最大熵分类方法第28-30页
   ·性能指标第30-31页
     ·语料标注性能评测指标第30页
     ·系统性能评测指标第30-31页
   ·本章小结第31-32页
第3章 情感极性转移现象研究及相关语料库建设第32-43页
   ·情感极性转移分析及相关研究第32-33页
     ·情感极性转移现象概述第32页
     ·情感极性转移主要的相关概述第32-33页
   ·语料构建相关工作第33-34页
   ·语料标注第34-35页
     ·概述第34页
     ·收集和标注情感词第34页
     ·标注过程第34-35页
     ·特殊的标记格式第35页
   ·情感极性转移结构的分析第35-39页
   ·实验分析第39-42页
     ·标注一致性检测第39-40页
     ·初始语料分析第40-41页
     ·发生情感极性转移的比率第41页
     ·类型统计第41-42页
   ·本章小结第42-43页
第4章 情感极性转移自动检测方法研究第43-52页
   ·引言第43页
   ·自动检测方法第43-46页
     ·基于规则的情感极性转移检测第44-45页
     ·基于机器学习分类方法自动检测第45-46页
   ·实验设置第46页
   ·相关实验结果统计比较第46-51页
     ·基于规则的不同极性转移结构自动检测比较第47-48页
     ·基于机器学习方法的不同极性转移结构自动特征检测比较第48-49页
     ·不同规模训练集的自动特征检测效果第49-50页
     ·不同领域自动特征检测比较第50-51页
   ·本章小结第51-52页
第5章 情感极性转移在情感分类中的应用第52-66页
   ·引言第52-53页
   ·相关工作第53-54页
   ·基于词计数情感分类方法第54-56页
     ·词计数分类方法概述第54-55页
     ·结合情感极性转移的基于词计数情感分类方法第55-56页
   ·基于二部图模型情感分类方法第56-59页
     ·标签传播(LP)算法第56-57页
     ·基于二部图模型情感分类概述第57-58页
     ·基于二部图模型结合情感极性转移的情感分类第58-59页
   ·实验研究第59-65页
     ·实验设置第59-60页
     ·基于词计数的情感分类第60-61页
     ·基于二部图模型的情感分类第61-62页
     ·基于词计数和二部图模型的情感分类比较研究第62-65页
   ·本章小结第65-66页
第6章 总结与展望第66-68页
   ·研究工作总结第66-67页
   ·下一步工作设想第67-68页
参考文献第68-73页
攻读学位期间公开发表的论文第73页
攻读学位期间申请的专利第73页
攻读学位期间参与的科研项目第73-74页
致谢第74-76页

论文共76页,点击 下载论文
上一篇:基于不平衡数据的情感分类方法研究
下一篇:基于神经网络的入侵检测系统的研究与设计