文本情感分析关键技术研究

图书标准信息

• 作者 朱俭 著
• 出版社 中国社会科学出版社
• 出版时间 2015-11
• 版次 1
• ISBN 9787516159965
• 定价 65.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 289页
• 字数 320千字

【内容简介】

　　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。

【作者简介】

朱俭，中国青年政治学院计算机教学与应用中心讲师。教授《计算机搜索艺术》、《网站快速开发》、《数据库技术与编程》等课程，担任计算机搜索团队指导教师。目前发表国内外论文20余篇，其中10篇被SCI、EI、国内核心期刊收录，获得六项已公开的发明专利并出版1本高校教材。教授《计算机搜索艺术》的教学评估成绩在全校计算机类公选课中名列第1，所带团队在第七届全校评比中获得“学术科研团队奖”，在第八届全校评比中获得“团队合作奖”，荣获第四届华北五省及港澳台大学生计算机应用大赛二等奖。
人生理想是：得天下英才而教之。

【目录】

前言

第一章 绪论

第一节 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

第一节 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

第一节 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

第一节 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

第一节 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 最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 最优分类器的输出——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

第一节 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

第一节 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

第一节 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

第一节 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