图书介绍

文本情感分析关键技术研究【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

文本情感分析关键技术研究
  • 朱俭著 著
  • 出版社: 北京:中国社会科学出版社
  • ISBN:9787516159965
  • 出版时间:2015
  • 标注页数:289页
  • 文件大小:104MB
  • 文件页数:302页
  • 主题词:文本编辑-研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

文本情感分析关键技术研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第一章 绪论1

第一节 研究背景和研究意义1

一 自然语言处理1

二 文本情感分析3

第二节 文本情感分析整体研究现状4

一 语料阶段5

二 文本的预处理阶段6

三 特征标注与特征选择阶段7

四 情感分类阶段9

五 中文文本情感分析亟待解决的问题10

第三节 研究内容与结构11

一 研究内容11

二 研究结构13

本章小结13

第二章 情感语义块特征14

第一节 研究现状14

第二节 情感特征的定义15

一 特征项的选择与权重16

二 语义块特征无监督提取21

三 情感语义块特征的生成29

第三节 情感特征采集系统34

一 情感特征的自动标注37

二 情感特征的人工标注39

本章小结42

第三章 网络挖掘的数据获取43

第一节 万维网介绍44

一 万维网的发展44

二 因特网的历史45

第二节 网络挖掘49

一 网络数据挖掘特点49

二 网络挖掘步骤50

三 网络数据挖掘的内容52

本章小结56

第四章 中文分词57

第一节 自然语言处理57

一 自然语言处理技术57

二 无监督分词研究64

第二节 中文分词的前沿性及创新性68

一 国内外当前水平68

二 分词的前沿性71

三 分词的创新性72

本章小结73

第五章 算法准备74

第一节 机器学习概述75

第二节 文本特征选择方法77

一 过滤器方法78

二 包装器方法81

三 文本学习方法82

第三节 文本分类器核心算法83

一 相关定义84

二 最优基于概率网络的文本分类器88

三 线性决策函数及决策超平面102

四 均方错误估计110

五 随机近似和LMS算法112

六 错误平方和估计114

七 最优分类器的输出——偏差和方差的困境115

本章小结119

第六章 基于遗传算法的情感特征选择120

第一节 特征选择相关工作121

一 特征选择121

二 特征选择方法124

第二节 情感特征选择的算法设计127

一 情感特征编码129

二 群体设置130

三 个体适应度函数131

四 遗传算子131

第三节 改进的K-均值聚类及实验结果133

一 改进K-均值聚类133

二 特征选择的实验结果135

三 公开语料上的实验对比139

本章小结142

第七章 基于局部高频字串的语句条件随机场模型143

第一节 句法分析143

一 句法分析研究144

二 依存句法分析145

三 依存关系与汉语依存语法148

四 基于规则的依存信息抽取150

五 句法研究代码实现与分析153

第二节 采用CRF进行句法级别情感分析过程181

一 语句中的局部高频字串181

二 对语句信息进行CRF模型情感分析182

三 HMM模型187

第三节 实验结果及分析189

一 实验研究资源189

二 实验结果评价189

三 CRF模型与HMM、MEMM、SVM模型的对比190

四 实验结果与前人代表性的算法比较193

五 局部高频字串对情感分类的影响194

六 局部高频字串特征对不同评论数据的影响195

本章小结198

第八章 基于集成情感成员模型的文本情感分析方法199

第一节 自动分类问题199

一 贝叶斯算法200

二 K-近邻201

三 人工神经网络201

四 决策树202

第二节 集成学习203

第三节 成员模型1:基于神经网络和进化论算法的个体模型206

一 人类情感判断过程分析208

二 文本情感分析过程的计算机模拟208

三 个体模型的定义210

四 个体模型的建模212

五 构建针对文本情感分类的神经网络模型215

六 判断结果汇总225

七 个体模型的进化227

第四节 其他成员模型228

一 成员模型2:基于语义块获得情感特征集的个体模型228

二 成员模型3:基于条件随机场模型229

三 成员模型的集成231

第五节 实验技术方案搭建232

一 服务器LINUX平台233

二 J2EE架构236

三 服务器集群的配置238

四 jfreechart实验结果可视化242

五 服务器集群测试环境实现244

第六节 实验结果及分析247

一 英文影评语料实验研究247

二 中文影评语料实验研究252

三 中文同领域和跨领域情感语料对比实验研究255

本章小结257

第九章 结论与展望259

第一节 工作研究现状259

第二节 工作总结与未来工作展望262

一 工作总结262

二 无监督学习算法的研究意义265

本章小结272

参考文献273

后记288

热门推荐