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、當下互聯(lián)網(wǎng)技術迭代更新頻繁,網(wǎng)絡社交媒體更是呈現(xiàn)出蓬勃的發(fā)展態(tài)勢,民眾在互聯(lián)網(wǎng)上發(fā)表意見的渠道得到了極大拓展,造成了網(wǎng)絡信息資源的極速增長。網(wǎng)絡信息資源通常以非結(jié)構化數(shù)據(jù)為主,文本信息作為最典型的非結(jié)構化數(shù)據(jù)占據(jù)著極大比例,而且這些文本信息往往都蘊含著用戶針對熱點事件或品牌口碑的情感傾向,從這些海量的文本中獲取有用的情感信息是一件具有挑戰(zhàn)性的事情。因此,情感挖掘技術應運而生,該技術主要通過文本分析挖掘其中的情感信息,并對其進行情感分類。
2、其中句子級的情感挖掘技術應用最為廣泛,在品牌口碑評價和輿情監(jiān)控領域都有著較大貢獻。本文主要對句子級的情感挖掘方法進行了研究,涉及的主要工作如下:
1)基于句法依存分析的情感分類模型研究。傳統(tǒng)的情感挖掘方法一般只關注詞語本身,忽略句子的句法結(jié)構和詞語之間的語義關聯(lián)度,而這些信息在文本情感挖掘中有著重要作用。為此,本文提出了一種基于句法依存分析的情感分類模型,主要包括句子級的情感信息抽取策略和基于 KNN算法的依存關系簇情感判別方
3、法,并在 NLP&CC2013數(shù)據(jù)集上進行了測試。與傳統(tǒng)方法相比,該模型的準確率顯著提升,召回率基本持平,F(xiàn)1值略微提升,且較容易受到訓練集規(guī)模的影響。
2)基于中文情感詞的句子情感傾向性研究。PMI-IR算法作為情感傾向計算領域的典型算法,在英文的語言環(huán)境下提出,不能完全適用于中文。另外,該算法采用的標準詞單一、情感分類粒度不夠,且涉及到發(fā)送HTTP請求進行信息檢索使得計算比較耗時。本文針對以上缺陷提出了相應的改進策略,包括
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
- 基于主題的文本分類模型研究與應用.pdf
- 基于近似文本分析的意見挖掘.pdf
- 基于數(shù)據(jù)挖掘的Web文本分析研究.pdf
- 基于Web文本挖掘的企業(yè)口碑情感分類模型研究.pdf
- 基于條件隨機場的情感分析模型在MOOCs評論文本分析中的應用研究.pdf
- 基于向量空間模型的文本分類研究與應用.pdf
- 基于Web文本挖掘的SVM網(wǎng)頁文本分類研究.pdf
- 情感標簽在社交媒體文本分析中的應用.pdf
- 基于聚類分析的圖模型文本分類.pdf
- 基于文本分類技術的文本情感傾向性研究.pdf
- 基于內(nèi)容和情感的文本分類方法研究.pdf
- 基于主題模型的文本情感分析研究.pdf
- 基于文本分類的微博情感傾向研究.pdf
- 基于形式概念分析的文本分類模型研究.pdf
- 基于語言模型的文本分割研究.pdf
- 基于LDA模型的文本分類研究.pdf
- 基于Spark的文本情感分類模型應用研究.pdf
- 基于文本數(shù)據(jù)挖掘的微博情感分析與監(jiān)控系統(tǒng).pdf
- 基于主題挖掘和覆蓋的文本分類研究.pdf
- 基于W-BTM的短文本主題挖掘及文本分類應用.pdf
評論
0/150
提交評論