中文微博观点句识别及评价对象抽取
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 相关研究 | 第12-13页 |
| 1.2.1 基于情感词典的规则方法 | 第12页 |
| 1.2.2 基于机器学习的统计方法 | 第12-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.3.1 评测任务介绍 | 第13-14页 |
| 1.3.2 微博常用符号简介 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关模型的算法 | 第16-42页 |
| 2.1 隐马尔科夫模型 | 第16-28页 |
| 2.1.1 离散马尔科夫过程 | 第16-17页 |
| 2.1.2 隐马尔科夫模型 | 第17-19页 |
| 2.1.3 隐马尔科夫模型的三个基本问题 | 第19页 |
| 2.1.4 Foward-Backward 算法 | 第19-22页 |
| 2.1.5 Viterbi算法 | 第22-25页 |
| 2.1.6 Baum Welch算法 | 第25-27页 |
| 2.1.7 隐马尔科夫模型的局限性 | 第27-28页 |
| 2.2 最大熵模型 | 第28-35页 |
| 2.2.1 最大熵原理 | 第28页 |
| 2.2.2 最大熵模型 | 第28-30页 |
| 2.2.3 最大熵模型的学习过程 | 第30-32页 |
| 2.2.4 最大熵模型的参数训练 | 第32-35页 |
| 2.2.5 最大熵模型小结 | 第35页 |
| 2.3 条件随机场 | 第35-41页 |
| 2.3.1 条件随机场的定义 | 第35-36页 |
| 2.3.2 条件随机场概率模型的形式 | 第36-38页 |
| 2.3.3 条件随机场概率计算算法 | 第38-40页 |
| 2.3.4 条件随机场预测算法 | 第40-41页 |
| 2.3.5 条件随机场模型参数训练 | 第41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 中文微博观点句识别 | 第42-52页 |
| 3.1 微博观点句识别任务描述 | 第42页 |
| 3.2 微博观点句识别的思路和实现 | 第42-49页 |
| 3.2.1 微博情感词典的构建 | 第43-44页 |
| 3.2.2 微博语料预处理 | 第44-45页 |
| 3.2.3 基于句法分析的依赖关系提取 | 第45-46页 |
| 3.2.4 特征选择 | 第46-48页 |
| 3.2.5 微博观点句识别流程图和系统界面 | 第48-49页 |
| 3.3 实验过程及结果分析 | 第49-51页 |
| 3.3.1 数据集 | 第49页 |
| 3.3.2 评测标准 | 第49-50页 |
| 3.3.3 实验结果 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 观点句评价对象抽取 | 第52-62页 |
| 4.1 观点句评价对象抽取任务描述 | 第52-53页 |
| 4.2 观点句评价对象抽取的思路和实现 | 第53-59页 |
| 4.2.1 预处理 | 第53-54页 |
| 4.2.2 标注集 | 第54-55页 |
| 4.2.3 特征模板 | 第55-58页 |
| 4.2.4 观点句评价对象抽取流程图 | 第58-59页 |
| 4.3 实验过程及结果分析 | 第59-61页 |
| 4.3.1 数据集 | 第59页 |
| 4.3.2 评测标准 | 第59-60页 |
| 4.3.3 实验结果 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文主要工作 | 第62-63页 |
| 5.2 存在的问题及下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-71页 |
| 附录1 隐马尔科夫模型前向变量的公式推导 | 第67-68页 |
| 附录2 隐马尔科夫模型后向变量的公式推导 | 第68-69页 |
| 附录3 条件随机场模型参数的公式推导 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |
