2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、微博作為一種新興的文體受到了廣泛的關(guān)注,在國內(nèi)外多個評測的推動下,關(guān)于微博的情感分析研究已成為NLP研究領(lǐng)域的一個熱點,微博平臺上存在海量的觀點性文本,可以通過對它們的分析,了解用戶喜好,既有理論意義,又有使用價值。
  本文面向中文微博這一特殊文本,進(jìn)行觀點句識別及要素抽取研究,針對中文微博的特點,尋找合適的情感分析方法。
  由于觀點句識別是要素抽取的前提,為保證其準(zhǔn)確率,采用有監(jiān)督的機器學(xué)習(xí)方法,使用SVM分類器結(jié)合一

2、元詞形特征對微博進(jìn)行情感分類。文中對比了多種特征表示方法的分類性能,并利用信息增益減少特征集中的特征數(shù)目。實驗表明,TF-IDF的權(quán)值設(shè)定方法更適合于中文微博的情感分類任務(wù),在使用的特征數(shù)目為特征總數(shù)的20%時,其最高準(zhǔn)確率達(dá)到95.54%。同時,本文比較了不同特征表示方法在單子句微博和多子句微博上的分類效果,結(jié)果顯示,離散表示法和分布方式的句子建模方法在多子句微博中的準(zhǔn)確率較高,而組合方式的句子建模方法更適用于單子句微博。
  

3、在要素抽取方面,為了避免不同類別微博之間的相互干擾,首先利用LDA模型對語料進(jìn)行主題分類,并確定每個類別的主題詞;然后采用雙層關(guān)聯(lián)規(guī)則挖掘算法抽取其中的對象層及屬性層候選頻繁項集,在結(jié)構(gòu)和語義兩個層面上對頻繁項集進(jìn)行緊密度剪枝和可信度剪枝;制定篩選和定界規(guī)則,根據(jù)頻繁項集獲得每條微博的對象層及屬性層要素;使用詞的位置信息和點互信息對應(yīng)對象層和屬性層要素,并通過觀點句識別的結(jié)果確定要素的情感傾向性。實驗數(shù)據(jù)采用第六屆中文傾向性分析評測所發(fā)

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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論