

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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著Web2.0的出現(xiàn),互聯(lián)網(wǎng)用戶從單純的信息瀏覽者成為了信息發(fā)布者。尤其在電子商務、社交網(wǎng)絡出現(xiàn)之后,互聯(lián)網(wǎng)用戶已經(jīng)成為了整個互聯(lián)網(wǎng)最大的信息來源。這些用戶產(chǎn)生的數(shù)據(jù)對于互聯(lián)網(wǎng)用戶、產(chǎn)品生產(chǎn)商、服務提供商甚至是政府的相關(guān)部門都有著重要作用。通過分析處理這些數(shù)據(jù),可以了解這些互聯(lián)網(wǎng)用戶的行為習慣、當前熱點事件等等。但是這么龐大的數(shù)據(jù)量已經(jīng)遠遠超過了人力所能處理的范圍,在這種情況下計算機成為了最好的處理工具,因此便誕生了意見挖掘這一自然語
2、言處理任務。
意見挖掘任務旨在通過對帶有評價信息的文本集合進行分析,從中提煉出意見摘要,以便用戶更直觀、更全面地了解全局。其中,細粒度的意見挖掘可以更好的分析評價的細節(jié)之處,更有利于決策。本文針對細粒度意見挖掘任務的需要,對評價信息抽取和分類問題進行了研究。
首先本文根據(jù)細粒度意見挖掘研究的需要,基于在線評論語料建立了一個主觀評價語料庫。本文在主觀評價語料庫的基礎上,對評價信息的種類和特征進行了總結(jié),分析評價信息的詞
3、性以及上下文詞性的規(guī)律,并以此作為評價信息抽取的理論依據(jù)。
其次,本文提出了基于條件隨機場模型并結(jié)合詞聚類信息為特征的評價信息抽取模型,以此進行評價信息抽取實驗。實驗結(jié)果表明詞聚類信息能提高標注模型性能,與采用短句法依賴為特征的基線實驗相比平均有近10%的提升。
在抽取出評價信息之后,還需要對這些評價信息進行分類處理,將描述相同主題的評價信息歸入同一個類中,降低統(tǒng)計時的誤差。本文提出了基于種子集和語義相似度計算的評價
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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(quán)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
- 細粒度情感分析研究.pdf
- 面向電商評論細粒度觀點挖掘的拓展主題模型研究.pdf
- 細粒度情感分析技術(shù)在評論挖掘系統(tǒng)中的應用.pdf
- 中文微博細粒度情感判別研究.pdf
- Android混合應用細粒度訪問控制研究.pdf
- 基于細粒度觀點挖掘的個性化推薦方法研究.pdf
- 細粒度表情分類研究與設計.pdf
- 基于標簽的細粒度訪問控制模型研究.pdf
- 基于角色的網(wǎng)格細粒度授權(quán)的研究.pdf
- 跨語言細粒度情感分析技術(shù)研究.pdf
- 基于本體的細粒度知識管理研究.pdf
- 細粒度物體分類算法研究與實現(xiàn).pdf
- 中文微博細粒度情緒識別研究.pdf
- 基于細粒度監(jiān)控的Spark優(yōu)化研究.pdf
- 細粒度物體分類方法設計與實現(xiàn).pdf
- 基于句法分析和主題建模的細粒度觀點挖掘模型研究.pdf
- 基于資源網(wǎng)關(guān)的細粒度訪問控制研究.pdf
- 基于在線評論的細粒度情感分析研究.pdf
- 基于角色的細粒度訪問控制研究與實現(xiàn).pdf
- 基于細粒度情感詞典的心理預警模型研究.pdf
評論
0/150
提交評論