版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯(lián)網(wǎng)技術的飛速發(fā)展,越來越多的用戶擁有平等的獲取互聯(lián)網(wǎng)信息的機會。但是網(wǎng)上信息量龐大,如何快速識別其中表達的對人物、事件、產(chǎn)品等的情感信息,獲取想要的有用信息,已成為當前自然語言處理和情感分析領域的一個熱門研究課題,并廣泛應用于事件分析、產(chǎn)品評論、電影評論、酒店評論和輿情分析等領域。
文本情感分析主要是判別文本表達的情感傾向,情感詞是判斷文本情感傾向的主要依據(jù)。對文本情感分析研究來說,設計高效的情感詞典構建算法是一個基礎
2、且重要的工作。情感詞典是情感詞的集合,情感詞典的構建分為兩步:收集詞語和標注詞語的情感信息。目前使用的情感詞典構建方法主要有基于語義詞典的方法和基于語料的方法。這些方法大多是判斷給定的詞語集合或詞典中詞語的情感傾向,這樣導致了詞語數(shù)量有限,不能主動識別語料中的情感詞并進行情感分析。
為此,本文提出了根據(jù)句法分析從語料中提取情感詞,并基于少量的情感詞和分類技術對情感詞進行分類的方法構建中文情感詞典。首先,通過句法分析器提取文本中
3、特定依存關系中的詞語作為情感候選詞;然后計算候選詞與少量特征詞的相似度;最后運用機器學習的方法對詞語進行分類得到詞語的情感類別,并對結果進行處理。
本文的另一個工作是將情感詞典運用到文本傾向分析中,將特征提取方法提取特征詞和情感詞典相結合來表示文本。首先,選擇性能較好的特征提取方法提取特征,通過實驗選擇了CHI方法;然后添加情感詞到特征集合中來表示文本;最后進行分類。實驗結果顯示:該方法獲得的最好準確率為81.63%,平均準確
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 領域自適應的中文情感分析詞典構建研究.pdf
- 中文情感詞匯本體的構建及其應用.pdf
- 中文微博情感詞典的構建研究與應用.pdf
- 中文情感詞匯本體的擴充及應用.pdf
- 中文情感語義資源管理平臺的構建.pdf
- 面向情感傾向分析的微博表情情感詞典構建及應用.pdf
- 高中文言文情感教育誤區(qū)及對策.pdf
- 基于HMM的中文情感語音合成的研究.pdf
- 基于主題模型的中文情感分類方法研究.pdf
- 面向中文情感分析的詞類組合模式研究.pdf
- 基于情感詞典的中文微博情感傾向分析研究.pdf
- 受限領域中文情感問答系統(tǒng)研究.pdf
- 多粒度中文情感分析系統(tǒng)的研究與實現(xiàn).pdf
- 微博情感詞典的構建及其在微博情感分析中的應用研究.pdf
- 受限領域中文情感問答系統(tǒng)研究
- 英語美文閱讀與人文情感素養(yǎng)的構建
- 新課標體系下高中文言文情感教育研究.pdf
- 基于情感詞典與句型分類的中文微博情感分析研究.pdf
- 中文情緒表達常識庫構建及其在情緒分析中的應用.pdf
- 中文常識本體的半自動構建與應用.pdf
評論
0/150
提交評論