基于特征模板和SVM的中文微博觀點句識別方法研究.pdf_第1頁
已閱讀1頁，還剩53頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著 WEB2.0技術(shù)及微博平臺的迅猛發(fā)展，發(fā)布中文微博逐漸成為很多人的一種生活方式和習(xí)慣。通過分析微博觀點句，個體消費者可以參考其他購買了產(chǎn)品或服務(wù)的用戶的感受和觀點做出他自己的購買決定，公司可以了解顧客的體驗從而提升產(chǎn)品或服務(wù)的質(zhì)量、營銷策略或競爭模式，國家可以根據(jù)大眾言論更好地掌握民生、分析輿情和服務(wù)大眾。但由于海量的微博數(shù)據(jù)中包含無數(shù)冗余、包含噪聲及無觀點的信息，所以識別并提取中文微博中的觀點句已成為近年來的研究熱點之一。

2、>　　本文主要從以下幾個方面開展研究工作：首先，總結(jié)和分析微博文本的獨有特征，根據(jù)這些特征對Hownet詞庫進行擴展，并對初始微博語料中的不規(guī)范化等現(xiàn)象進行了相應(yīng)的預(yù)處理。然后，利用信息增益對泛選的特征進行了特征篩選，并設(shè)計一個評分函數(shù)來探索識別觀點句的特征模板，然后將該特征模板與SVM分類器相結(jié)合，使用Java程序設(shè)計語言對中文微博語料進行了觀點句與非觀點句的二分類實驗。最后，通過分析非觀點句的特點，設(shè)計了一個否定模板，并進行了相應(yīng)的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論