文本情感分析关键技术研究-人文社科-文化科教-太极之巅书单号

书刊介绍

文本情感分析关键技术研究本书特色

在web2.0时代里，互联网上存在着大量可作为情感语料数据原型的评论，如何高效**的获取基于这些语料的情感信息，并依此进行相关研究成为当前信息科学与技术领域面临的重大挑战。情感分析，又称意见挖掘（opinion mining），是用于分析人对特定对象及其相关属性的观点、态度以及其他主观感情的技术。朱俭编写的《文本情感分析关键技术研究》在深入研究文本情感问题及现状的基础上，充分结合计算语言学、统计学、机器学习等相关理论及其方法，利用语义块、句子、文本等不同语言粒度进行文本情感倾向性建模、分析与研究，从而提出高效、**的文本情感分类技术与方法。

文本情感分析关键技术研究内容简介

本书在深入研究文本情感问题及现状的基础上，充分结合计算语言学、统计学、机器学习等相关理论及其方法，利用语义块、句子、文本等不同语言粒度进行文本情感倾向性建模、分析与研究，从而提出高效、精确的文本情感分类技术与方法。本书阐述的技术可广泛应用于推荐系统、社会舆情分析、产品在线跟踪和质量评价、影视评价、Blogger声誉评价、新闻报道评述、事件分析、股票评论、图书推荐、敌对信息检测、企业情报系统等方面。

文本情感分析关键技术研究目录

前言**章绪论 **节研究背景和研究意义一自然语言处理二文本情感分析第二节文本情感分析整体研究现状一语料阶段二文本的预处理阶段三特征标注与特征选择阶段四情感分类阶段五中文文本情感分析亟待解决的问题第三节研究内容与结构一：研究内容二研究结构本章小结第二章情感语义块特征 **节研究现状第二节情感特征的定义一特征项的选择与权重二语义块特征无监督提取三情感语义块特征的生成第三节情感特征采集系统一情感特征的自动标注二情感特征的人工标注本章小结第三章网络挖掘的数据获取 **节万维网介绍一万维网的发展二因特网的历史第二节网络挖掘一网络数据挖掘特点二网络挖掘步骤三网络数据挖掘的内容本章小结第四章中文分词 **节自然语言处理一自然语言处理技术二无监督分词研究第二节中文分词的前沿性及创新性一国内外当前水平二分词的前沿性三分词的创新性本章小结第五章算法准备 **节机器学习概述第二节文本特征选择方法一过滤器方法二包装器方法三文本学习方法第三节文本分类器核心算法一相关定义二 *优基于概率网络的文本分类器三线性决策函数及决策超平面四均方错误估计五随机近似和lms算法六错误平方和估计七 *优分类器的输出——偏差和方差的困境本章小结第六章基于遗传算法的情感特征选择 **节特征选择相关工作一特征选择二特征选择方法第二节情感特征选择的算法设计一情感特征编码二群体设置三个体适应度函数四遗传算子第三节改进的k一均值聚类及实验结果一改进k一均值聚类二特征选择的实验结果三公开语料上的实验对比本章小结第七章基于局部高频字串的语句条件随机场模型 **节句法分析一句法分析研究二依存句法分析三依存关系与汉语依存语法四基于规则的依存信息抽取五句法研究代码实现与分析第二节采用crf进行句法级别情感分析过程一语句中的局部高频字串二对语句信息进行crf模型情感分析三 hmm模型第三节实验结果及分析一实验研究资源二实验结果评价三 crf模型与hmm、memm、svm模型的对比四实验结果与前人代表性的算法比较五局部高频字串对情感分类的影响六局部高频字串特征对不同评论数据的影响本章小结第八章基于集成情感成员模型的文本情感分析方法 **节自动分类问题一贝叶斯算法二 k一近邻三人工神经网络四决策树第二节集成学习第三节成员模型1：基于神经网络和进化论算法的个体模型一人类情感判断过程分析二文本情感分析过程的计算机模拟三个体模型的定义四个体模型的建模五构建针对文本情感分类的神经网络模型六判断结果汇总七个体模型的进化第四节其他成员模型一成员模型2：基于语义块获得情感特征集的个体模型二成员模型3：基于条件随机场模型三成员模型的集成第五节实验技术方案搭建一服务器linux平台二 j2ee架构三服务器集群的配置四 jfreechart实验结果可视化五服务器集群测试环境实现第六节实验结果及分析一英文影评语料实验研究二中文影评语料实验研究三中文同领域和跨领域情感语料对比实验研究本章小结第九章结论与展望 **节工作研究现状第二节工作总结与未来工作展望一工作总结二无监督学习算法的研究意义本章小结参考文献后记