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
展开
