中文微博评价对象提取方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容以及挑战 | 第12-14页 |
| 1.3.1 本文研究内容 | 第13页 |
| 1.3.2 面临的挑战 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-26页 |
| 2.1 中文信息抽取 | 第16-18页 |
| 2.2 统计学习方法 | 第18-19页 |
| 2.3 条件随机场 | 第19-24页 |
| 2.3.1 条件随机场的定义与形式 | 第19-21页 |
| 2.3.2 条件随机场预测的维特比算法 | 第21-22页 |
| 2.3.3 统计模型比较和条件随机场的优势 | 第22-23页 |
| 2.3.4 CRF++工具包 | 第23-24页 |
| 2.4 语义角色标注 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于条件随机场的领域自适应中文分词研究 | 第26-33页 |
| 3.1 现有分词方法简介 | 第26-27页 |
| 3.2 条件随机场分词 | 第27-28页 |
| 3.2.1 基本特征模板 | 第27页 |
| 3.2.2 自定义字特征 | 第27-28页 |
| 3.3 领域自适应的实现 | 第28-29页 |
| 3.3.1 基于Trie树的逆向最大匹配算法 | 第28页 |
| 3.3.2 实现过程 | 第28-29页 |
| 3.4 针对条件随机场的歧义消解 | 第29-31页 |
| 3.4.1 固定词串消解 | 第30-31页 |
| 3.4.2 动词消解 | 第31页 |
| 3.4.3 词频消解 | 第31页 |
| 3.5 实验结果分析 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 多特征融合的中文微博评价对象提取 | 第33-46页 |
| 4.1 评价对象抽取概述 | 第33-34页 |
| 4.2 微博文本预处理 | 第34-37页 |
| 4.3 多特征融合的条件随机场评价对象抽取 | 第37-44页 |
| 4.3.1 特征选择算法分析 | 第38-42页 |
| 4.3.2 条件随机场特征模板 | 第42-44页 |
| 4.4 实验结果及分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 下一步工作 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士期间的主要研究成果 | 第51-52页 |
| 致谢 | 第52页 |
