面向领域的情感语义模式识别及其应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 自然语言处理发展历史 | 第9页 |
| 1.2 国内外自然语言处理研究现状 | 第9-10页 |
| 1.2.1 国外自然语言处理发展现状与特点 | 第9-10页 |
| 1.2.2 国内自然语言处理发展现状 | 第10页 |
| 1.3 情感分析的产生与研究现状 | 第10-12页 |
| 1.3.1 情感分析的定义 | 第10-11页 |
| 1.3.2 情感分析的产生 | 第11页 |
| 1.3.3 情感分析的应用 | 第11-12页 |
| 1.4 不同层次的情感分析 | 第12-13页 |
| 1.4.1 文档层面 | 第12页 |
| 1.4.2 句子水平 | 第12页 |
| 1.4.3 词语实体级别 | 第12-13页 |
| 1.5 情感分析中存在的主要难点 | 第13页 |
| 1.6 情感识别算法分类 | 第13-14页 |
| 1.6.1 监督学习算法进行情感分类 | 第13-14页 |
| 1.6.2 非监督学习方法 | 第14页 |
| 1.7 基于模式识别的算法 | 第14-15页 |
| 1.8 本文组织架构 | 第15-17页 |
| 第2章 文本情感分析基本过程 | 第17-22页 |
| 2.1 语料库的建立 | 第17页 |
| 2.2 特征提取 | 第17-19页 |
| 2.3 词典建立与拓展 | 第19-20页 |
| 2.4 评价指标与评价方法 | 第20-21页 |
| 2.5 本章小节 | 第21-22页 |
| 第3章 基于情感模式识别的自学习系统设计实现 | 第22-32页 |
| 3.1 数据抓取模块 | 第22-24页 |
| 3.1.1 数据抓取模块 | 第22-23页 |
| 3.1.2 爬虫设计算法流程图 | 第23-24页 |
| 3.2 语料预处理模块 | 第24页 |
| 3.3 存储模块 | 第24-26页 |
| 3.3.1 存储模块的功能 | 第24-25页 |
| 3.3.2 数据库存储系统 | 第25-26页 |
| 3.4 数据结构设计 | 第26-27页 |
| 3.5 文件的存储系统 | 第27-28页 |
| 3.6 核心算法模块设计 | 第28-31页 |
| 3.7 实验运行环境 | 第31页 |
| 3.8 本章小结 | 第31-32页 |
| 第4章 基于情感模式识别的自学习闭环核心算法 | 第32-41页 |
| 4.1 算法体系设计 | 第32-34页 |
| 4.2 模式提取模块 | 第34-35页 |
| 4.3 句子情感倾向判定模块 | 第35-37页 |
| 4.4 动态模式匹配模块 | 第37-39页 |
| 4.5 词规则模块 | 第39-40页 |
| 4.6 情感词及命名实体过滤模块 | 第40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 实验与结论 | 第41-71页 |
| 5.1 实验总体设计思路 | 第41-42页 |
| 5.2 实验评价指标 | 第42页 |
| 5.3 收敛性指标 | 第42-43页 |
| 5.4 实验结果与分析 | 第43-68页 |
| 5.4.1 金融领域自学习算法收敛性性验证实验 | 第43-51页 |
| 5.4.2 体育领域自学习算法收敛性验证实验 | 第51-57页 |
| 5.4.3 通用领域自学习算法收敛性测试实验 | 第57-65页 |
| 5.4.4 综合分析 | 第65-68页 |
| 5.5 自学习算法交叉验证实验 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-72页 |
| 6.1 本文总结 | 第71页 |
| 6.2 本文展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77页 |
