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、近年來,用戶生成內(nèi)容(UGC)概念深入人心,促進了WEB2.0互聯(lián)網(wǎng)技術的飛速發(fā)展?;ヂ?lián)網(wǎng)不僅是網(wǎng)民獲取信息的知識庫,更成為網(wǎng)民表達觀點、交流看法的互動舞臺。人們進行評論、表達觀點時,通常具有鮮明的傾向性(或者叫意見、觀點),它往往表達出喜、怒、哀、樂和批評、贊揚等情感,這種信息在產(chǎn)品性能分析、網(wǎng)絡民意監(jiān)測、信息預測等方面具有廣泛的應用價值,吸引了大量的學者進行研究。
本文嘗試從引入句法上下文信息、跨語言情感詞擴充這兩個方
2、面對文本情感分類進行研究:
(1)引入句法上下文信息的情感特征研究。
在前人研究中,名詞、形容詞、動詞、副詞作為影響句子情感傾向的要素得到充分研究,然而還有一些虛詞(比如:嘆詞、語氣詞、擬聲詞和連詞)也跟情感緊密相關,卻被當作停用詞過濾了;另外,否定處理大多基于固定窗口進行研究,這種方法并不能準確反映文中被否定對象的位置。因此,本文利用詞匯層的情感信息,挖掘情感虛詞的情感色彩、以及通過句法分析的否定詞處理來加
3、強語義理解,進行情感分類的研究。實驗表明,能取得不錯的性能。
(2)基于跨語言語義空間的情感詞典擴充研究。
英語國家在情感分析領域的發(fā)展條件要遠遠優(yōu)于中文,除去英文不需要分詞這個天然優(yōu)勢外,更主要還在于各類研究工具和資料比較豐富。相對來講,中文情感分析起步晚,語料少而分散,因此近年來出現(xiàn)了跨語言的情感分析??缯Z言情感分析都是基于互譯句子語義相同、情感一致這個前提的,例如:“我很快樂!"和“J am very
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
- 面向產(chǎn)品評論的跨領域情感傾向性研究.pdf
- 微博評論情感傾向性分類研究.pdf
- 中文文本情感傾向性分類研究.pdf
- 面向評價對象的商品評論情感傾向性分析研究.pdf
- 基于復雜網(wǎng)絡的在線評論情感傾向性分類.pdf
- 基于卷積神經(jīng)網(wǎng)絡的在線商品評論情感傾向性研究.pdf
- 網(wǎng)絡評論文本的情感傾向性研究.pdf
- mba論文面向評價對象的商品評論情感傾向性分析研究pdf
- 面向英文電影評論的文本情感傾向性分類研究.pdf
- 面向論壇的商品評論傾向性分析方法研究.pdf
- 中文WEB文本傾向性分類研究.pdf
- 領域評論要素抽取及情感傾向性分析.pdf
- 評論文本情感傾向性分析技術研究.pdf
- 中文Web文檔傾向性自動分類研究.pdf
- 中文微博情感傾向性分析研究.pdf
- 面向網(wǎng)絡評論信息的文本情感傾向性分析.pdf
- 中文網(wǎng)頁褒貶傾向性分類研究.pdf
- 基于潛城語義的Web評論情感傾向性研究.pdf
- 基于特征的商品在線評論情感傾向性分析.pdf
- 基于領域本體和CRFS的商品評論傾向性分析.pdf
評論
0/150
提交評論