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

基于句法和语义的话题细粒度情感分析的研究

摘要第1-6页
ABSTRACT第6-10页
第1章 绪论第10-18页
   ·研究背景及意义第10-11页
   ·研究现状第11-15页
   ·论文主要研究内容第15-16页
   ·论文组织结构第16-18页
第2章 基于词汇语义和句法依存的情感关键句抽取第18-35页
   ·概述第18页
   ·面向情感关键句抽取的词汇语义分析第18-24页
     ·情感词典构建第19-20页
     ·关键词词典构建第20-24页
   ·面向情感关键句抽取的句法依存分析第24-26页
   ·基于SVM的情感关键句抽取过程第26-29页
     ·SVM简介第26-27页
     ·特征选择第27-28页
     ·系统框架第28-29页
   ·实验结果与分析第29-34页
     ·实验数据集与评测指标第29-30页
     ·情感词典覆盖率实验第30-31页
     ·不同关键词词典构建方法的比较第31-32页
     ·不同特征组合的比较第32-33页
     ·不同情感关键句识别方法的比较第33-34页
   ·本章小结第34-35页
第3章 基于领域词典与Word Embedding的评价对象识别第35-49页
   ·概述第35-36页
   ·PDSP:一种基于句法和语义的领域词典构建的融合方法第36-39页
     ·词性模板第36页
     ·依存结构分析第36-37页
     ·语义角色标注第37-38页
     ·短语结构分析第38-39页
   ·基于Word Embedding的评价对象词典扩展第39-41页
   ·基于CRF的评价对象识别过程第41-45页
     ·条件随机场CRF简介第41-43页
     ·特征选择第43-44页
     ·系统框架第44-45页
   ·实验结果与分析第45-48页
     ·语料预处理第45-46页
     ·不同领域词典构建方法的比较第46页
     ·不同特征组合的比较第46-47页
     ·不同评价对象识别方法的比较第47-48页
   ·本章小结第48-49页
第4章 多特征融合的话题相关情感倾向性分析第49-63页
   ·概述第49-50页
   ·LTIGT:一种基于局部和全局词图模型构建的特征提取方法第50-53页
     ·基本思想第50-51页
     ·话题相关的词图模型构建第51-53页
   ·基于Word Embedding和依存分析的情感词特征提取第53-55页
     ·话题词扩展第53-54页
     ·话题相关情感词提取第54-55页
   ·多特征融合的情感倾向性分析过程第55-57页
     ·特征选择第55-56页
     ·系统框架第56-57页
   ·实验和结果分析第57-61页
     ·语料预处理第57-58页
     ·LTIGT算法中不同词图模型构建方法的比较第58-59页
     ·不同话题词扩展数目和K-means聚类个数的比较第59-60页
     ·不同SVM特征组合方法的比较第60-61页
   ·本章小结第61-63页
第5章 基于句法和语义的话题细粒度情感分析原型系统设计第63-70页
   ·系统概述第63页
   ·语料预处理模块第63-65页
     ·分词与词性标注第64页
     ·句法结构分析第64页
     ·依存关系分析第64页
     ·语义角色标注第64-65页
   ·情感关键句抽取模块第65-66页
   ·评价对象识别模块第66-68页
   ·话题相关的情感倾向性分析模块第68-69页
   ·本章小结第69-70页
总结第70-72页
参考文献第72-78页
攻读硕士学位期间发表的论文第78-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:大肠杆菌基因密码锁的设计
下一篇:基于OpenFlow协议的高速包分类算法研究