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

基于短语模式的评论性文章情感抽取方法研究

摘要第1-5页
ABSTRACT第5-9页
第一章 绪论第9-15页
   ·研究背景第9-10页
   ·研究意义第10-11页
   ·国内外研究现状第11-13页
   ·本文的主要工作第13-14页
   ·论文的组成结构第14-15页
第二章 情感分类方法概述第15-22页
   ·文本情感分类方法第15-18页
     ·基于文本分类的方法第15-16页
     ·基于语义模式分析的方法第16-17页
     ·基于情感词加权的方法第17-18页
   ·心理学情感分类方法第18-22页
     ·情感环状模型第18-20页
     ·情绪空间第20-22页
第三章 文本的语义分析第22-34页
   ·文本预处理技术第23-26页
     ·分词第23-25页
     ·词性标注第25-26页
   ·语言特征表示方法第26-28页
     ·向量空间模型第26-27页
     ·N-gram模型第27-28页
   ·常用的特征选取方法第28-30页
     ·信息增益第28-29页
     ·互信息第29页
     ·X~2统计第29-30页
   ·短语模式第30-34页
     ·词语的情感分析第31-32页
     ·短语模式选取原则第32-34页
第四章 评论性文章情感分类第34-48页
   ·情感分类任务第34-35页
     ·主题抽取第34-35页
     ·情感分类第35页
   ·系统框架第35-37页
   ·语料库构建第37-40页
     ·语料的收集第37页
     ·标注集与标注规范第37-40页
     ·语料评价第40页
   ·算法与实现第40-43页
     ·SO-LSA(面向语义的潜在语义分析)算法第41-42页
     ·面向语义的互信息和信息检索(SO-PM-IR)方法第42页
     ·短语情感权值计算方法第42-43页
   ·算法评价指标第43页
   ·系统实现与实验第43-48页
     ·语料评价第44页
     ·种子词选择第44-45页
     ·对比实验与分析第45-46页
     ·观点抽取系统结果分析第46-48页
第五章 结论与展望第48-50页
   ·结论第48-49页
   ·展望第49-50页
参考文献第50-53页
致谢第53-54页
攻读硕士学位期间发表的论文第54页

论文共54页,点击 下载论文
上一篇:科技文献的文本特征抽取研究与应用
下一篇:查询扩展技术研究