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

文本倾向性分析中的情感词典构建技术研究

摘要第1-6页
Abstract第6-14页
插图第14-16页
表格第16-18页
算法第18-20页
第1章 绪论第20-28页
   ·研究背景及意义第20-23页
     ·互联网发展现状第20-21页
     ·文本倾向性分析的应用需求第21-23页
   ·研究现状分析第23-24页
     ·文本倾向性分析第23-24页
     ·情感词典构建第24页
   ·本文的研究意义和内容第24-28页
     ·研究目标和意义第24-25页
     ·本文的主要工作第25-28页
第2章 情感词典构建相关技术综述第28-42页
   ·术语说明第28页
   ·文本倾向性分析相关研究分类第28-33页
     ·主观性分类第29-30页
     ·词语级的情感分析第30-31页
     ·属性级的情感分析第31-32页
     ·文档级的情感分析第32-33页
     ·多文档的情感摘要第33页
   ·文本倾向性分析中应用的分类技术第33-40页
     ·基于相似度的方法第33-35页
     ·基于图论的方法第35-36页
     ·贝叶斯分类器第36-37页
     ·支持向量机第37-38页
     ·条件随机场第38页
     ·最大熵分类器第38-39页
     ·基于多分类器的方法第39页
     ·情感分类器的领域移植第39-40页
   ·评价标准第40-41页
   ·本章小结第41-42页
第3章 基于函数优化的通用情感词典构建第42-61页
   ·引言第42-43页
   ·基于函数优化的词语语义倾向计算第43-53页
     ·问题描述及求解框架第43-45页
     ·词语相似度计算第45-47页
     ·问题求解第47-53页
   ·实验及分析第53-59页
     ·实验数据第53-54页
     ·实验设计及结果分析第54-59页
   ·本章小结第59-61页
第4章 基于Modularity优化的通用情感词典构建第61-73页
   ·引言第61-62页
   ·基于Modularity优化的词语语义倾向计算第62-66页
     ·背景第62-64页
     ·算法基本过程第64-65页
     ·算法实现第65-66页
     ·优化Modularity值第66页
   ·实验及分析第66-72页
     ·实验数据第66-68页
     ·验证目标函数的合理性第68-69页
     ·基准词数量对结果的影响第69页
     ·运行次数对结果的影响第69-70页
     ·性能比较第70-72页
   ·本章小结第72-73页
第5章 基于扩展信息瓶颈的领域情感词典构建第73-88页
   ·引言第73-74页
   ·基于扩展信息瓶颈的领域情感词典构建第74-82页
     ·问题描述第74-75页
     ·信息瓶颈方法第75-78页
     ·将领域知识引入信息瓶颈模型第78-82页
   ·实验设计第82-84页
     ·实验数据第82-83页
     ·对比方法第83-84页
     ·评估标准第84页
   ·实验结果分析第84-87页
     ·性能比较第84-85页
     ·程序的收敛性第85-86页
     ·源领域数据规模对结果的影响第86页
     ·参数调整第86-87页
   ·本章小结第87-88页
第6章 基于情感词典的产品属性挖掘系统第88-97页
   ·引言第88页
   ·基于情感词典的产品属性挖掘系统第88-93页
     ·系统架构第88-89页
     ·系统实现第89-93页
   ·实验设计第93-94页
     ·实验数据第93-94页
     ·实验设计第94页
   ·实验结果分析第94-96页
     ·产品属性词聚类第94-95页
     ·语气关联第95-96页
   ·本章小结第96-97页
结论第97-99页
参考文献第99-119页
攻读博士学位期间发表的学术论文及其它成果第119-121页
致谢第121-122页
个人简历第122页

论文共122页,点击 下载论文
上一篇:离散网络化控制系统的建模与控制研究
下一篇:飞行模拟器大规模真实地形实时可视化技术的研究与实现