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SVM的中文观点句抽取

摘要第1-5页
ABSTRACT第5-9页
第一章 绪论第9-14页
   ·研究背景及意义第9-11页
     ·研究背景第9-10页
     ·观点句抽取的重要性第10-11页
   ·国内外研究现状第11-13页
   ·本文主要研究内容第13页
   ·论文的组织结构第13-14页
第二章 句法结构模板抽取第14-22页
   ·句法结构分析概述第14-15页
   ·研究基础第15-16页
   ·句法结构模板归纳第16-19页
   ·置信度验证第19-20页
     ·覆盖率实验第19页
     ·置信度实验第19-20页
   ·实验结果与分析第20页
   ·本章小结第20-22页
第三章 依存关系模板抽取第22-31页
   ·依存关系概述第22-23页
   ·研究基础第23-25页
   ·依存关系模板抽取算法第25-28页
   ·模板抽取结果及其置信度验证第28-29页
   ·实验结果与分析第29-30页
   ·本章小结第30-31页
第四章 利用SVM分类器判定观点句第31-50页
   ·观点句判定标准第31页
   ·文本分类方法介绍第31-39页
     ·文本分类概述第31-33页
     ·特征选取第33-36页
     ·文本分类算法第36-39页
   ·利用SVM抽取观点句流程第39-41页
   ·分类特征选取第41-43页
     ·情感词第41页
     ·指示性动词第41页
     ·指示性副词第41-42页
     ·语气词&语气标点符号第42页
     ·N-POS第42-43页
     ·N-Word第43页
   ·实验结果与分析第43-49页
     ·特征选取实验第44-47页
     ·特征组合实验第47-48页
     ·SVM与模板组合实验第48-49页
   ·本章小结第49-50页
第五章 中文观点句抽取系统设计第50-54页
   ·系统概述第50-51页
   ·语料预处理模块第51-52页
     ·分词第51页
     ·词性标注第51-52页
     ·句法结构分析第52页
     ·依存关系分析第52页
   ·句法结构模块第52页
   ·依存关系模块第52-53页
   ·SVM分类器模块第53页
   ·本章小结第53-54页
第六章 总结与展望第54-56页
   ·本文工作总结第54-55页
   ·未来工作展望第55-56页
参考文献第56-60页
致谢第60-61页
攻读硕士学位期间发表的论文第61页

论文共61页,点击 下载论文
上一篇:特征树阈值检测算法应对电信欺诈
下一篇:情感词的倾向性研究