中文微博观点句识别及要素抽取研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 目的与意义 | 第9页 |
| 1.2 任务描述 | 第9-10页 |
| 1.3 研究现状 | 第10-14页 |
| 1.3.1 观点句识别 | 第10-12页 |
| 1.3.2 观点句要素抽取 | 第12-14页 |
| 1.4 主要难点 | 第14-15页 |
| 1.4.1 中文微博分析难点 | 第14页 |
| 1.4.2 观点句识别的难点 | 第14-15页 |
| 1.4.3 观点句要素抽取的难点 | 第15页 |
| 1.5 本文工作 | 第15-17页 |
| 2 相关模型 | 第17-27页 |
| 2.1 支持向量机 | 第17-21页 |
| 2.1.1 线性可分支持向量机 | 第18-19页 |
| 2.1.2 线性可分支持向量机 | 第19-20页 |
| 2.1.3 非线性支持向量机 | 第20-21页 |
| 2.2 浅层狄利克雷分布 | 第21-23页 |
| 2.3 关联规则挖掘 | 第23-27页 |
| 2.3.1 基本概念 | 第23-24页 |
| 2.3.2 Apriori算法 | 第24-27页 |
| 3 中文微博观点句识别研究 | 第27-38页 |
| 3.1 特征选择 | 第27-29页 |
| 3.2 特征表示 | 第29-33页 |
| 3.2.1 离散表示法 | 第29-30页 |
| 3.2.2 分布表示法 | 第30-33页 |
| 3.3 观点句分类实验 | 第33-38页 |
| 3.3.1 数据集及评价标准 | 第33页 |
| 3.3.2 特征的离散表示法对比 | 第33-34页 |
| 3.3.3 组合方式的句子建模方法对比 | 第34-35页 |
| 3.3.4 分布方式的句子建模方法对比 | 第35页 |
| 3.3.5 单子句及多子句微博分类对比 | 第35-36页 |
| 3.3.6 实验结果分析 | 第36-38页 |
| 4 中文微博观点句要素抽取 | 第38-54页 |
| 4.1 预处理 | 第38页 |
| 4.2 主题分类及主题词选取 | 第38-40页 |
| 4.2.1 主题分类 | 第38-39页 |
| 4.2.2 主题词选取 | 第39-40页 |
| 4.3 对象和属性抽取 | 第40-44页 |
| 4.3.1 名词性频繁项集获取 | 第40-41页 |
| 4.3.2 频繁项集剪枝 | 第41-43页 |
| 4.3.3 频繁项集筛选 | 第43页 |
| 4.3.4 要素定界 | 第43-44页 |
| 4.4 对象和属性的对应 | 第44页 |
| 4.5 要素的倾向性判定 | 第44-45页 |
| 4.6 观点句要素抽取实验 | 第45-54页 |
| 4.6.1 数据集和评价标准 | 第45-46页 |
| 4.6.2 主题分类的实验 | 第46-47页 |
| 4.6.3 参数设置 | 第47-49页 |
| 4.6.4 不同实验方法对比 | 第49-50页 |
| 4.6.5 可信度剪枝的效果 | 第50页 |
| 4.6.6 对象及属性对应关系对比 | 第50-51页 |
| 4.6.7 与评测最好结果对比 | 第51-52页 |
| 4.6.8 实验结果分析 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
