基于HMM的网络短评情感信息抽取
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·情感词的获取 | 第13-14页 |
| ·评价对象的抽取 | 第14-15页 |
| ·HMM 在信息抽取中的研究现状 | 第15-16页 |
| ·分析与总结 | 第16页 |
| ·论文的研究内容 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 情感分析相关技术综述 | 第18-24页 |
| ·情感词典构建 | 第18-20页 |
| ·基于语料的情感词典构建 | 第18-20页 |
| ·基于语义知识库的情感词典构建 | 第20页 |
| ·同义词词林 | 第20-22页 |
| ·词分类 | 第20-21页 |
| ·词编码 | 第21-22页 |
| ·情感特征对象的抽取 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 HMM 相关技术 | 第24-32页 |
| ·HMM 简介 | 第24-25页 |
| ·HMM的三个主要问题 | 第25-26页 |
| ·评估问题 | 第25页 |
| ·学习问题 | 第25页 |
| ·解码问题 | 第25-26页 |
| ·HMM 的主要算法 | 第26-30页 |
| ·前向算法 | 第26页 |
| ·后向算法 | 第26-27页 |
| ·Maximum Likelihood算法 | 第27-28页 |
| ·Baum-Welch算法 | 第28-29页 |
| ·Viterbi算法 | 第29-30页 |
| ·HMM相关的平滑算法 | 第30-31页 |
| ·加法平滑 | 第30-31页 |
| ·Good-Turing平滑算法 | 第31页 |
| ·线性插值平滑 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 网络短评情感信息抽取设计 | 第32-45页 |
| ·情感词典构建设计 | 第32-33页 |
| ·网络短评文本分词设计 | 第33-34页 |
| ·网络短评文本断句设计 | 第34页 |
| ·HMM 模型结构设计 | 第34-38页 |
| ·情感特征描述对象状态结点集 | 第35-36页 |
| ·情感词状态结点集 | 第36-37页 |
| ·背景词状态结点 | 第37-38页 |
| ·状态结点集之间的关联 | 第38页 |
| ·HMM算法改进设计 | 第38-43页 |
| ·释放概率平滑算法研究 | 第38-40页 |
| ·添加结束状态概率分布并修改相关算法 | 第40-42页 |
| ·Baum-Welch算法改进 | 第42-43页 |
| ·Viterbi算法改进 | 第43页 |
| ·网络短评情感信息抽取结果处理设计 | 第43-44页 |
| ·抽取相关的情感信息点 | 第43页 |
| ·匹配情感特征描述对象和情感词 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 网络短评情感信息抽取实现 | 第45-66页 |
| ·系统实现的总体框架 | 第45-49页 |
| ·系统模块结构图 | 第45-46页 |
| ·系统流程图 | 第46-49页 |
| ·数据准备 | 第49-53页 |
| ·网络爬虫实现 | 第49-51页 |
| ·情感词词典构造 | 第51页 |
| ·分词词典构造 | 第51-52页 |
| ·网络短评文本分词与断句的实现 | 第52-53页 |
| ·HMM 的实现 | 第53-56页 |
| ·HMM 模型结构和算法的实现 | 第53-54页 |
| ·图形化显示HMM 模型结构 | 第54-56页 |
| ·网络短评情感信息抽取结果处理 | 第56-57页 |
| ·根据Viterbi算法得到对应的状态序列 | 第56页 |
| ·根据HMM 状态语义信息组装情感信息 | 第56-57页 |
| ·匹配情感特征描述对象和情感词 | 第57页 |
| ·实验设计 | 第57-58页 |
| ·实验结果与分析 | 第58-65页 |
| ·实验结果评价指标 | 第58-59页 |
| ·实验结果 | 第59-65页 |
| ·实验分析 | 第65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
