首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

汉语意见时空元素的研究

摘要第4-5页
ABSTRACT第5-6页
第1章 引言第12-17页
    1.1 研究背景及意义第12-13页
    1.2 本文的研究内容第13-15页
        1.2.1 语义理解第14页
        1.2.2 中文句子倾向性分析第14-15页
        1.2.3 意见时空元素的分析第15页
        1.2.4 意见时空元素的应用第15页
    1.3 本文的贡献第15-16页
    1.4 本文的组织结构第16-17页
第2章 相关研究工作第17-22页
    2.1 WIKIPEDIA 相关研究第17-18页
    2.2 语义相关度计算第18页
    2.3 倾向性分析相关研究第18-19页
    2.4 主题识别第19-20页
    2.5 典型意见挖掘系统第20页
    2.6 与时间相关的挖掘第20-22页
第3章 利用WIKIPEDIA 理解文本语义第22-35页
    3.1 WIKIPEDIA 简介第22-23页
    3.2 词典的语义表示第23页
    3.3 概念词典的作用第23-24页
    3.4 语义相关度计算的重要性第24-25页
    3.5 WIKIPEDIA 词典的构造方法第25-26页
    3.6 语义相关度的计算过程第26-27页
    3.7 实验第27-33页
        3.7.1 前期处理第27页
        3.7.2 Wikipedia 类别树第27-29页
        3.7.3 概念词典的构造第29页
        3.7.4 概念词典的定制第29-30页
        3.7.5 Wikipedia 词典的构造第30页
        3.7.6 语义相关度计算实验第30-33页
        3.7.7 在主题识别上的应用实验第33页
    3.8 本章小结第33-35页
第4章 细颗粒度中文句子倾向性分析第35-45页
    4.1 意见型句子的情感词第35-36页
    4.2 中文句子倾向性的语言现象第36-40页
        4.2.1 修饰词对情感词极性的影响第36-37页
        4.2.2 主题对情感词极性的影响第37-39页
        4.2.3 句型对情感词极性的影响第39页
        4.2.4 关联词对句子极性判断的帮助第39-40页
    4.3 情感强度的计算第40页
    4.4 情感词典的构建第40-41页
        4.4.1 词典的分类第40-41页
        4.4.2 词的初始极性判别方法第41页
    4.5 系统实现及评测结果第41-44页
        4.5.1 系统主要模块第41-43页
        4.5.2 评测结果第43-44页
    4.6 本章小结第44-45页
第5章 意见时空元素分析第45-63页
    5.1 意见模型的扩展第45-46页
        5.1.1 主题的模型第45页
        5.1.2 情感的模型第45-46页
        5.1.3 意见的模型第46页
    5.2 意见重要因子第46-47页
    5.3 意见的时间重要因子第47-48页
    5.4 意见的来源重要因子第48-50页
        5.4.1 来源的影响力第48-49页
        5.4.2 来源与领域的相关度第49-50页
    5.5 意见来源重要因子的实验第50-55页
        5.5.1 实验语料第50页
        5.5.2 论坛的影响力实验第50-53页
        5.5.3 论坛与领域的相关度实验第53-54页
        5.5.4 意见来源重要因子的实验结果第54-55页
    5.6 论坛语料处理及意见时空元素的确定第55-61页
        5.6.1 语料的格式第55-57页
        5.6.2 确定页面的默认主题第57-58页
        5.6.3 确定页面默认主题的实验结果第58-59页
        5.6.4 实验结果分析第59-60页
        5.6.5 意见时空元素的确定第60-61页
    5.7 本章小结第61-63页
第6章 意见时空元素的应用第63-73页
    6.1 挖掘某段时间最受欢迎的产品第63-67页
        6.1.1 挖掘方法分析第63-64页
        6.1.2 实验第64-67页
    6.2 意见趋势挖掘第67-72页
        6.2.1 意见趋势挖掘分析第67页
        6.2.2 实验第67-72页
    6.3 本章小结第72-73页
第7章 总结与展望第73-75页
    7.1 总结第73-74页
    7.2 展望第74-75页
参考文献第75-79页
致谢第79-80页
攻读学位期间发表的学术论文第80-83页

论文共83页,点击 下载论文
上一篇:商用膜产品生产辅助材料库存控制策略的仿真研究
下一篇:神经元实时编码的分类预测模型研究