基于语义的文本倾向性分析与研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题背景 | 第8-9页 |
| ·国内外研究情况 | 第9-11页 |
| ·词语倾向性分析 | 第9-10页 |
| ·句子倾向性分析 | 第10-11页 |
| ·文本倾向分析 | 第11页 |
| ·本文创新点 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 基于语义的文本倾向性分析基础 | 第13-20页 |
| ·传统的文本倾向性分析方法 | 第13-14页 |
| ·基于语义的文本倾向性 | 第14-16页 |
| ·语义信息 | 第14页 |
| ·语义相似度和语义相关度 | 第14-15页 |
| ·语义倾向定义 | 第15页 |
| ·基于语义的文本倾向性分析 | 第15-16页 |
| ·基于语义倾向的语义分析方法 | 第16-19页 |
| ·潜在语义索引分析 | 第16页 |
| ·逐点分析 | 第16-18页 |
| ·基于HowNet的语义倾向计算 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于HNC的语义相关度算法与词语极性算法 | 第20-35页 |
| ·HNC理论简介 | 第20-26页 |
| ·网络语言符号 | 第20-21页 |
| ·概念的一般表达式 | 第21-23页 |
| ·组合符号 | 第23-25页 |
| ·五元组 | 第25-26页 |
| ·基于HNC的语义相关度计算方案 | 第26-31页 |
| ·概念基元相关度的计算 | 第26-27页 |
| ·概念相关度的计算 | 第27-29页 |
| ·基于HNC语义的相关度算法的实现 | 第29-31页 |
| ·基于HNC的语义相关度计算词语的原始极性算法 | 第31-34页 |
| ·算法框架 | 第31页 |
| ·算法描述 | 第31-32页 |
| ·实验测试 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 改进的文本倾向性算法 | 第35-52页 |
| ·算法整体框架 | 第35页 |
| ·文本预处理 | 第35-38页 |
| ·构建特征词库 | 第35-36页 |
| ·中文分词 | 第36-38页 |
| ·去除停用词 | 第38页 |
| ·基于上下文的词语的倾向性分析 | 第38-43页 |
| ·关联词规则 | 第38-40页 |
| ·基于上下文的段落倾向性分析 | 第40-43页 |
| ·文本倾向性算法 | 第43-48页 |
| ·SBV极性传递算法描述 | 第43-45页 |
| ·I-SBV极性传递算法 | 第45-46页 |
| ·基于I-SBV极性传递的文本倾向性算法 | 第46-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·极性测试指标概念定义 | 第48页 |
| ·极性识别测试 | 第48-49页 |
| ·测试效率分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 文本倾向性分析在餐馆评论中的应用 | 第52-61页 |
| ·国内外消费评论系统的发展状况 | 第52页 |
| ·系统的整体设计 | 第52-57页 |
| ·系统功能概述 | 第53-54页 |
| ·系统数据处理流程 | 第54页 |
| ·特征词库的构建 | 第54-55页 |
| ·基本概念 | 第55-56页 |
| ·分项特征识别 | 第56页 |
| ·绝对分数计算 | 第56-57页 |
| ·相对分数计算 | 第57页 |
| ·系统测试 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间已发表或录用的论文 | 第66页 |
