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】

- 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
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
- 3528238.html
- 1140876.html
- 225528.html
- 2184880.html
- 917615.html
- 182952.html
- 1785190.html
- 1164647.html
- 721575.html
- 1231618.html
- http://www.ickdjs.cc/book_3346391.html
- http://www.ickdjs.cc/book_122252.html
- http://www.ickdjs.cc/book_3654919.html
- http://www.ickdjs.cc/book_1555349.html
- http://www.ickdjs.cc/book_3303145.html
- http://www.ickdjs.cc/book_1983538.html
- http://www.ickdjs.cc/book_1657525.html
- http://www.ickdjs.cc/book_2873532.html
- http://www.ickdjs.cc/book_3267328.html
- http://www.ickdjs.cc/book_1857141.html