| | | 文本情感分析關鍵技術研究/中青文庫 | 該商品所屬分類:社會科學 -> 圖書館學/檔案學 | 【市場價】 | 553-801元 | 【優惠價】 | 346-501元 | 【介質】 | book | 【ISBN】 | 9787516159965 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:中國社科
-
ISBN:9787516159965
-
作者:朱儉
-
頁數:289
-
出版日期:2015-11-01
-
印刷日期:2015-11-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:320千字
-
在Web2.0時代裡,互聯網上存在著大量可作為情感語料數據原型的評論,如何高效**的獲取基於這些語料的情感信息,並依此進行相關研究成為當前信息科學與技術領域面臨的重大挑戰。情感分析,又稱意見挖掘(opinion mining),是用於分析人對特定對像及其相關屬性的觀點、態度以及其他主觀感情的技術。 朱儉編寫的《文本情感分析關鍵技術研究》在深入研究文本情感問題及現狀的基礎上,充分結合計算語言學、統計學、機器學習等相關理論及其方法,利用語義塊、句子、文本等不同語言粒度進行文本情感傾向性建模、分析與研究,從而提出高效、**的文本情感分類技術與方法。
-
前言 第一章 緒論 第一節 研究背景和研究意義 一 自然語言處理 二 文本情感分析 第二節 文本情感分析整體研究現狀 一 語料階段 二 文本的預處理階段 三 特征標注與特征選擇階段 四 情感分類階段 五 中文文本情感分析亟待解決的問題 第三節 研究內容與結構 一: 研究內容 二研究結構 本章小結 第二章 情感語義塊特征 第一節 研究現狀 第二節 情感特征的定義 一特征項的選擇與權重 二 語義塊特征無監督提取 三 情感語義塊特征的生成 第三節 情感特征采集繫統 一 情感特征的自動標注 二 情感特征的人工標注 本章小結 第三章 網絡挖掘的數據獲取 第一節 萬維網介紹 一 萬維網的發展 二 因特網的歷史 第二節 網絡挖掘 一 網絡數據挖掘特點 二 網絡挖掘步驟 三 網絡數據挖掘的內容 本章小結 第四章 中文分詞 第一節 自然語言處理 一 自然語言處理技術 二 無監督分詞研究 第二節 中文分詞的前沿性及創新性 一 **外當前水平 二分詞的前沿性 三 分詞的創新性 本章小結 第五章 算法準備 第一節 機器學習概述 第二節 文本特征選擇方法 一過濾器方法 二包裝器方法 三 文本學習方法 第三節 文本分類器核心算法 一 相關定義 二 *優基於概率網絡的文本分類器 三 線性決策函數及決策超平面 四 均方錯誤估計 五 隨機近似和LMs算法 六 錯誤平方和估計 七 *優分類器的輸出——偏差和方差的困境 本章小結 第六章 基於遺傳算法的情感特征選擇 第一節 特征選擇相關工作 一 特征選擇 二特征選擇方法 第二節 情感特征選擇的算法設計 一情感特征編碼 二群體設置 三 個體適應度函數 四 遺傳算子 第三節 改進的K一均值聚類及實驗結果 一 改進K一均值聚類 二 特征選擇的實驗結果 三 公開語料上的實驗對比 本章小結 第七章 基於局部高頻字串的語句條件隨機場模型 第一節 句法分析 一 句法分析研究 二 依存句法分析 三 依存關繫與漢語依存語法 四 基於規則的依存信息抽取 五 句法研究代碼實現與分析 第二節 采用CRF進行句法級別情感分析過程 一語句中的局部高頻字串 二 對語句信息進行cRF模型情感分析 三 HMM模型 第三節 實驗結果及分析 一 實驗研究資源 二 實驗結果評價 三 cRF模型與HMM、MEMM、SVM模型的對比 四 實驗結果與前人代表性的算法比較 五 局部高頻字串對情感分類的影響 六 局部高頻字串特征對不同評論數據的影響 本章小結 第八章 基於集成情感成員模型的文本情感分析方法 第一節 自動分類問題 一貝葉斯算法 二 K一近鄰 三 人工神經網絡 四 決策樹 第二節 集成學習 第三節 成員模型1:基於神經網絡和進化論算法的個體模型 一 人類情感判斷過程分析 二 文本情感分析過程的計算機模擬 三 個體模型的定義 四 個體模型的建模 五 構建針對文本情感分類的神經網絡模型 六 判斷結果彙總 七 個體模型的進化 第四節 其他成員模型 一 成員模型2:基於語義塊獲得情感特征集的個體模型 二 成員模型3:基於條件隨機場模型 三 成員模型的集成 第五節 實驗技術方案搭建 一 服務器LINUX平臺 二 J2EE架構 三 服務器集群的配置 四 jfreechart實驗結果可視化 五 服務器集群測試環境實現 第六節 實驗結果及分析 一 英文影評語料實驗研究 二 中文影評語料實驗研究 三 中文同領域和跨領域情感語料對比實驗研究 本章小結 第九章 結論與展望 第一節 工作研究現狀 第二節 工作總結與未來工作展望 一 工作總結 二 無監督學習算法的研究意義 本章小結 參考文獻 後記
| | | | | |