科技
类型
可以朗读
语音朗读
171千字
字数
2015-11-01
发行日期
展开全部
主编推荐语
本书提出高效、精确的文本情感分类技术，广泛应用于各领域。
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，如何高效精确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。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。
目录
- 版权信息
- 作者简介
- 《中青文库》编辑说明
- 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
- 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-均值聚类及实验结果
- 一 改进K-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-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
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
中国社会科学出版社
中国社会科学出版社成立于1978年6月，是由中国社会科学院创办并主管的以出版人文社会科学学术著作为主的国家级出版社。1993年和1998年先后荣获中共中央宣传部和国家新闻出版总署授予的全国优秀出版社称号。1993年第一批荣获中共中央宣传部和国家新闻出版署授予的全国优秀出版社称号。
