文本情感分析关键技术研究

文本情感分析关键技术研究

作者:朱俭

出版社:中国社会科学出版社

出版年:2015-11-01

评分:5分

ISBN:9787516159965

所属分类:人文社科

书刊介绍

文本情感分析关键技术研究 本书特色

在web2.0时代里,互联网上存在着大量可作为情感语料数据原型的评论,如何高效**的获取基于这些语料的情感信息,并依此进行相关研究成为当前信息科学与技术领域面临的重大挑战。情感分析,又称意见挖掘(opinion mining),是用于分析人对特定对象及其相关属性的观点、态度以及其他主观感情的技术。 朱俭编写的《文本情感分析关键技术研究》在深入研究文本情感问题及现状的基础上,充分结合计算语言学、统计学、机器学习等相关理论及其方法,利用语义块、句子、文本等不同语言粒度进行文本情感倾向性建模、分析与研究,从而提出高效、**的文本情感分类技术与方法。

文本情感分析关键技术研究 内容简介

本书在深入研究文本情感问题及现状的基础上,充分结合计算语言学、统计学、机器学习等相关理论及其方法,利用语义块、句子、文本等不同语言粒度进行文本情感倾向性建模、分析与研究,从而提出高效、精确的文本情感分类技术与方法。本书阐述的技术可广泛应用于推荐系统、社会舆情分析、产品在线跟踪和质量评价、影视评价、Blogger声誉评价、新闻报道评述、事件分析、股票评论、图书推荐、敌对信息检测、企业情报系统等方面。

文本情感分析关键技术研究 目录

前言**章 绪论 **节 研究背景和研究意义 一 自然语言处理 二 文本情感分析 第二节 文本情感分析整体研究现状 一 语料阶段 二 文本的预处理阶段 三 特征标注与特征选择阶段 四 情感分类阶段 五 中文文本情感分析亟待解决的问题 第三节 研究内容与结构 一: 研究内容 二研究结构 本章小结第二章 情感语义块特征 **节 研究现状 第二节 情感特征的定义 一特征项的选择与权重 二 语义块特征无监督提取 三 情感语义块特征的生成 第三节 情感特征采集系统 一 情感特征的自动标注 二 情感特征的人工标注 本章小结第三章 网络挖掘的数据获取 **节 万维网介绍 一 万维网的发展 二 因特网的历史 第二节 网络挖掘 一 网络数据挖掘特点 二 网络挖掘步骤 三 网络数据挖掘的内容 本章小结第四章 中文分词 **节 自然语言处理 一 自然语言处理技术 二 无监督分词研究 第二节 中文分词的前沿性及创新性 一 国内外当前水平 二分词的前沿性 三 分词的创新性 本章小结第五章 算法准备 **节 机器学习概述 第二节 文本特征选择方法 一过滤器方法 二包装器方法 三 文本学习方法 第三节 文本分类器核心算法 一 相关定义 二 *优基于概率网络的文本分类器 三 线性决策函数及决策超平面 四 均方错误估计 五 随机近似和lms算法 六 错误平方和估计 七 *优分类器的输出——偏差和方差的困境 本章小结第六章 基于遗传算法的情感特征选择 **节 特征选择相关工作 一 特征选择 二特征选择方法 第二节 情感特征选择的算法设计 一情感特征编码 二群体设置 三 个体适应度函数 四 遗传算子 第三节 改进的k一均值聚类及实验结果 一 改进k一均值聚类 二 特征选择的实验结果 三 公开语料上的实验对比 本章小结第七章 基于局部高频字串的语句条件随机场模型 **节 句法分析 一 句法分析研究 二 依存句法分析 三 依存关系与汉语依存语法 四 基于规则的依存信息抽取 五 句法研究代码实现与分析 第二节 采用crf进行句法级别情感分析过程 一语句中的局部高频字串 二 对语句信息进行crf模型情感分析 三 hmm模型 第三节 实验结果及分析 一 实验研究资源 二 实验结果评价 三 crf模型与hmm、memm、svm模型的对比 四 实验结果与前人代表性的算法比较 五 局部高频字串对情感分类的影响 六 局部高频字串特征对不同评论数据的影响 本章小结第八章 基于集成情感成员模型的文本情感分析方法 **节 自动分类问题 一贝叶斯算法 二 k一近邻 三 人工神经网络 四 决策树 第二节 集成学习 第三节 成员模型1:基于神经网络和进化论算法的个体模型 一 人类情感判断过程分析 二 文本情感分析过程的计算机模拟 三 个体模型的定义 四 个体模型的建模 五 构建针对文本情感分类的神经网络模型 六 判断结果汇总 七 个体模型的进化第四节 其他成员模型 一 成员模型2:基于语义块获得情感特征集的个体模型 二 成员模型3:基于条件随机场模型 三 成员模型的集成 第五节 实验技术方案搭建 一 服务器linux平台 二 j2ee架构 三 服务器集群的配置 四 jfreechart实验结果可视化 五 服务器集群测试环境实现 第六节 实验结果及分析 一 英文影评语料实验研究 二 中文影评语料实验研究 三 中文同领域和跨领域情感语料对比实验研究 本章小结第九章 结论与展望 **节 工作研究现状 第二节 工作总结与未来工作展望 一 工作总结 二 无监督学习算法的研究意义 本章小结参考文献后记

文本情感分析关键技术研究 作者简介

朱俭,中国青年政治学院计算机教学与应用中心讲师。教授《计算机搜索艺术》、《网站快速开发》、《数据库技术与编程》等课程,担任计算机搜索团队指导教师。

相关推荐

微信二维码