WEB文本情感分类中关键问题的研究(可复制论文).pdf

谋厩楦蟹掷嘀泄丶侍獾难芯摘要随着计算机技术和互联网的迅猛发展,网络在线的文档成为现代主要的信息载体,是人们生活中不可或缺的主要信息来源。⒉夹畔ⅲ1湮V鞫获取、发布、共享、传播信息。同时,由于用户参与到信息的产生,网络信息的内容形式也变得多样化,越来越多的具有个人观点性的内容充斥着网络。这些观点性内容对于网络电子商务、网络社区发掘、网络信息安全、网络信息检索等多方面都具有重要的意义和实用价值。对网络文本观点性内容的自动情感分析成为近期畔⒋淼囊桓鲅芯咳点,而其中的核心技术就是文本情感分类。在这样一个背景下,本文对面向谋镜闹形姆执省⑽谋厩楦蟹类以及观点检索问题进行了下述创新性研究工作:首先,研究了面向谋镜闹形姆执饰侍狻8輜文本环境的特点,研究重点在于中文分词中的未登录词识别问题,同时兼顾切分歧义消解、整体切分准确率和高效处理海量文本的能力。在未登录词识别方面,提出了甆字符标记模板,从字符级别的粒度来表征中文词汇的构成机制,并结合隐马尔可夫模型,实现了基于字符序列标注的中文分词方法。此外,分别使用了基于规则匹配的预处理、基于词典匹配的初级全切分、基于词语级别的瓽臣魄蟹帜P停⑼ü读7式将上述各模块有效组合,构成了多模型混合的层叠系统。实验结果表明,本文提出的基于甆模板标注的切分方法具有较强的未登录词识别能力;而多模型混合的层叠系统在整体切分精度和未登录词识别方面都达到了较高的实用水平。另外,本文提出的系统还具有高效的建模和切分处理速度,具有面向海量谋厩蟹值氖涤眯阅堋第二,研究了谋厩楦蟹掷辔侍猓饕0ㄎ谋镜闹骺凸鄯掷和正负面极性分类两个子问题。在语言特征表示方面,对比研究了基于北京邮电人学博士学位论文
知识水坝***@pologoogle为您整理
多种瓽镅蕴卣髂0宓奈谋咎卣鞅硎痉绞剑辉谖谋咎卣骷尤ǚ矫妫对比级⒕源势怠⒐橐换势狄约盎赥的特征加权方式;在特征选择方面,提出了全局灾甘搿叭ň止耍植考权”的特征抽取方式;在情感分类模型方面,以朴素贝叶斯模型做对比,详细研究了最大熵模型的最大似然估计问题,采用高斯先验和指数型先验,对传统的最大熵模型进行改进。通过在真实网络电影评论数据集上的详细对比试验,以及对语料样本的分析,证实了采用高阶语言特征模板、基于奶卣餮≡窈凸朔椒ā⒓尤胫甘拖妊榈淖畲箪啬P较好的适用于文本情感分类问题。第三,研究了观点检索问题,以啦馕V线,主要研究了面向文档的主题检索和文本情感分类技术在观点检索中的应用。首先,针对文档的特点以及观点检索的特殊性,在文档的解析、噪声标签过滤、文本内容提取、词形还原等预处理方面作了技术改进;之后,以焖飨低澄Q芯科教ǎ媒构化查询语言和阉饕娼胁檠┱购徒峁够檠魈夤乖欤采用基于文档标题字段的域查询,;在观点检索方面,使用基于最大熵的主观性内容判别模型,并提出了分类器自学习的策略,实现不同数据集之间的知识传递,在数据集上有效建模;同时,分别构建了句子级别和文档级别的最大熵模型,并将两者组合构成层叠式的文档观点性内容判别模型。在菁系钠啦庵副瓯砻鳎疚墓乖斓腤鄣慵索系统达到了较高的性能水平。关键词:中文分词甆模板情感分类最大熵观点检索北京邮电人学博上学位论文摘要
知识水坝***@pologoogle为您整理
甒畂甅,甋,’,,琺,.,.,,甌甿....,。瑆北京邮电人学博:貉宦畚
@...猯,瑆—瑃.,·琣,甀,瓽.,,癵瑆瓼,畐.,,..,
篊琍—,.瑆甌琤疭,,,甌瓸..瓻,猳產.,,北京邮电大学博士学位论文
本人签名:鲥本人签名:二垡轻垒辛翌独创性虼葱滦声明关于论文使用授权的说明已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位保密论文注释:本学位论文属于保密在一年解密后适用本授权书。非保密论文注本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。日期:学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笞袷卮斯娑释:本学位论文不属于保密范围,适用本授权书。导师签名:
第一章绪论研究背景及意义使了基本的文本分类技术在互联网上文本主题分类的广泛使用,并且激发了海量网络信息检