基于主动学习的语料自动标注方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 工作动机 | 第13-14页 |
| 1.3 本文的贡献 | 第14-15页 |
| 1.4 本文的结构 | 第15-16页 |
| 第二章 相关研究 | 第16-30页 |
| 2.1 分类模型研究现状 | 第16-23页 |
| 2.1.1 决策树模型 | 第16-17页 |
| 2.1.2 贝叶斯分类模型 | 第17-18页 |
| 2.1.3 k-近邻分类模型 | 第18页 |
| 2.1.4 支持向量机模型 | 第18-23页 |
| 2.2 主动学习算法研究现状 | 第23-26页 |
| 2.2.1 成员查询算法 | 第23页 |
| 2.2.2 选择抽样算法 | 第23-26页 |
| 2.3 意见元素识别研究现状 | 第26-28页 |
| 2.3.1 主题的识别 | 第26-27页 |
| 2.3.2 意见持有者的识别 | 第27页 |
| 2.3.3 情感的识别 | 第27-28页 |
| 2.4 标注工具研究现状 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 语料的准备 | 第30-36页 |
| 3.1 语料的选取 | 第30页 |
| 3.2 语料的预处理 | 第30页 |
| 3.3 语料的标注规范 | 第30-33页 |
| 3.4 语料的存储 | 第33-34页 |
| 3.5 语料的规模 | 第34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 意见元素的识别 | 第36-61页 |
| 4.1 主题的识别 | 第36-50页 |
| 4.1.1 文档的表示 | 第36-37页 |
| 4.1.2 核函数的确定 | 第37-38页 |
| 4.1.3 特征的选取 | 第38-48页 |
| 4.1.4 实验 | 第48-50页 |
| 4.2 情感的识别 | 第50-54页 |
| 4.2.1 基于词典的情感识别方法 | 第50-53页 |
| 4.2.2 基于统计方法的情感识别 | 第53页 |
| 4.2.3 实验 | 第53-54页 |
| 4.3 意见持有者的识别 | 第54-57页 |
| 4.3.1 基于规则的意见持有者识别 | 第54-55页 |
| 4.3.2 基于统计方法的意见持有者识别 | 第55-56页 |
| 4.3.3 实验 | 第56-57页 |
| 4.4 多分类问题 | 第57-60页 |
| 4.4.1 分类原理 | 第57-59页 |
| 4.4.2 实验 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 基于主动学习的语料标注方法 | 第61-79页 |
| 5.1 系统架构 | 第61-68页 |
| 5.1.1 学习引擎 | 第63页 |
| 5.1.2 选择引擎 | 第63-68页 |
| 5.2 实验 | 第68-76页 |
| 5.3 主动学习系统的评价方法 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结和未来的工作 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 未来的工作 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87-89页 |
