基于標題與正文的文本分類和評價對象抽取方法研究.pdf

1、隨著社會的發(fā)展，互聯(lián)網信息呈現爆炸式的增長，通過觀察網民提交的文本發(fā)現，大多數網站特別是新聞和政府的網站，文本信息都具有結構化的特點，通常包含標題文本和正文文本。正文通常是對事件詳細的描述，包含的語義信息比較豐富，同時具有主題多樣性，噪聲巨大。標題通常是對事件的精煉簡潔的概述，表達信息準確，語義清晰，所以充分利用標題信息就變得十分有意義。本文充分利用標題的特點，提出了基于標題和正文的主題模型應用于文本分類研究。由于標題的特殊性，語句簡短

2、，句法簡單，所以本文基于規(guī)則和句法依存關系可以有效的提取標題中的評價對象。
　　本文主要工作如下:
　　(1)本文利用一篇文檔具有標題和正文兩部分的特點，提出了基于標題和正文的主題模型，該模型可以獲得文檔正文的主題分布和標題的主題分布，使用調節(jié)參數，優(yōu)化整篇文檔的主題分布。充分利用標題具有精煉簡潔、主題明確的優(yōu)點，可以有效的降低正文部分語義繁雜、主題多樣性對文本分類的影響，從而獲得整篇文檔最優(yōu)的主題分布，通過最佳的主題分布，

3、可以提高文本分類的準確性。
　　(2)由于標題精煉簡潔，主題明確，因此采用句法依存關系獲取標題中的評價對象。本文基于規(guī)則和詞性標注獲取標題中潛在的評價對象，因為本文標題語料的特殊性，潛在的評價對象和動詞具有很強的依賴關系，所以本文構建動詞詞典庫，通過動詞出現在句法分析樹的位置，遍歷整個句法分析樹，可以從潛在的評價對象中找到標題中真實的評價對象。
　　(3)由于本文的語料是來自某城市的政府直通車網站，解決當地城市居民所面臨的問