基于机器学习的汉语解释性意见关系识别方法研究与实现
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外相关研究 | 第11-15页 |
| 1.2.1 意见要素识别研究现状 | 第11-13页 |
| 1.2.2 意见解释识别研究现状 | 第13页 |
| 1.2.3 意见要素关系识别研究现状 | 第13-15页 |
| 1.3 目前存在的主要问题 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 1.5 本文的组织安排 | 第17-18页 |
| 第2章 基于机器学习的解释性意见要素识别 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 系统流程图 | 第18-20页 |
| 2.2.1 意见要素识别流程图 | 第18-20页 |
| 2.2.2 意见解释识别流程图 | 第20页 |
| 2.3 解释性意见要素任务描述 | 第20-22页 |
| 2.3.1 解释性意见要素定义 | 第20-21页 |
| 2.3.2 解释性意见要素识别任务描述 | 第21-22页 |
| 2.4 意见要素识别 | 第22-28页 |
| 2.4.1 链式条件随机场 | 第22-24页 |
| 2.4.2 CRFs特征 | 第24-27页 |
| 2.4.3 序列标注 | 第27-28页 |
| 2.5 意见解释识别 | 第28-30页 |
| 2.6 实验结果和分析 | 第30-34页 |
| 2.6.1 属性和评价识别结果 | 第30-32页 |
| 2.6.2 意见解释识别结果 | 第32-34页 |
| 2.7 本章小结 | 第34-36页 |
| 第3章 基于依存特征的解释性意见要素关系识别 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 解释性意见要素关系识别介绍 | 第36-41页 |
| 3.2.1 解释性意见要素关系分类 | 第36-38页 |
| 3.2.2 解释性意见要素关系识别任务描述 | 第38-41页 |
| 3.3 基于分类的解释性意见要素关系识别 | 第41-48页 |
| 3.3.1 关系识别流程图 | 第41-42页 |
| 3.3.2 支持向量机模型 | 第42-43页 |
| 3.3.3 分类特征 | 第43-48页 |
| 3.4 实验结果 | 第48-50页 |
| 3.4.1 实验数据和评测指标 | 第48-49页 |
| 3.4.2 意见要素关系识别结果 | 第49-50页 |
| 3.4.3 意见-解释关系识别结果 | 第50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于词向量特征的解释性意见要素关系识别 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 关系识别流程图 | 第52-53页 |
| 4.3 分类特征 | 第53-55页 |
| 4.3.1 意见要素关系识别特征 | 第53-54页 |
| 4.3.2 意见-解释关系识别特征 | 第54-55页 |
| 4.3.3 词向量相似度 | 第55页 |
| 4.4 意见解释的隐含属性识别 | 第55-56页 |
| 4.5 实验结果 | 第56-61页 |
| 4.5.1 词向量训练数据 | 第56页 |
| 4.5.2 属性-评价关系识别结果 | 第56-59页 |
| 4.5.3 属性-属性关系识别结果 | 第59-60页 |
| 4.5.4 意见-解释关系识别结果 | 第60页 |
| 4.5.5 隐含属性识别结果 | 第60-61页 |
| 4.6 词向量方法与依存方法比较 | 第61-63页 |
| 4.7 系统界面 | 第63-65页 |
| 4.8 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
