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

面向实体的观点挖掘关键技术研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-13页
    1.1 研究背景与意义第10-11页
    1.2 本文主要研究内容第11页
    1.3 论文的组织结构第11-13页
第二章 相关背景知识第13-22页
    2.1 国内外研究综述第13-17页
        2.1.1 观点挖掘概述第13页
        2.1.2 实体特征抽取研究现状第13-14页
        2.1.3 文本倾向性分析概述第14-15页
        2.1.4 词语倾向性分析第15-16页
        2.1.5 句子倾向性识别第16-17页
        2.1.6 篇章倾向性分析第17页
    2.2 主题模型第17-21页
        2.2.1 LDA模型第18-19页
        2.2.2 参数估计第19-20页
        2.2.3 基于LDA的主题模型变形第20-21页
    2.3 小结第21-22页
第三章 基于主题模型的面向实体的特征词抽取第22-35页
    3.1 引言第22-23页
    3.2 基于实体主题模型的特征层次关系识别第23-25页
        3.2.1 实体主题模型描述第23-24页
        3.2.2 基于吉布斯抽样的参数估计第24-25页
    3.3 实体评价词群抽取及其表示第25-27页
    3.4 实体特征二次抽取第27页
    3.5 实验结果及分析第27-33页
        3.5.1 实验数据第27-28页
        3.5.2 实体主题模型评估第28-30页
        3.5.3 实体主题模型抽取示例第30-32页
        3.5.4 利用互信息二次抽取结果示例第32-33页
        3.5.5 实验结果对比第33页
    3.6 本章小结第33-35页
第四章 实体情感倾向性分析及统计第35-44页
    4.1 引言第35页
    4.2 上下文无关的情感词典第35-37页
    4.3 上下文相关的情感词典第37-39页
        4.3.1 关联规则第38-39页
        4.3.2 基于关联规则的词语组合挖掘第39页
        4.3.3 搭配词组倾向性识别第39页
    4.4 实体倾向性分析第39-40页
    4.5 实验及分析第40-43页
        4.5.1 实验数据第40-41页
        4.5.2 情感词典构建第41页
        4.5.3 实体倾向性分析第41-43页
    4.6 本章小结第43-44页
第五章 总结与展望第44-47页
    5.1 主要成果及创新点第44-45页
    5.2 展望第45-47页
参考文献第47-51页
攻读硕士学位期间参加的科研项目与公开发表的学术论文第51-52页
致谢第52页

论文共52页,点击 下载论文
上一篇:基于QTI规范的选择题通用题库设计与研究
下一篇:基于依存关系树的复句句法特征自动选取