检索结果-南通市图书馆

作者：周磊上海交通大学

学位级别：硕士

命名实体抽取（Named Entity Extraction,NEE）的任务主要是从文本中抽取出专有名词和有意义的短语并加以归类。它是自然语言处理的一项重要技术。目前为止,大多数命名实体抽取研究都基本上集中在人名、地名、组织名这几类上。然而NEE在... 详细信息

命名实体抽取（Named Entity Extraction,NEE）的任务主要是从文本中抽取出专有名词和有意义的短语并加以归类。它是自然语言处理的一项重要技术。目前为止,大多数命名实体抽取研究都基本上集中在人名、地名、组织名这几类上。然而NEE在WWW上的应用依然是一个富有挑战性的任务,如一些复杂的命名实体（如:书名、歌曲名、电影名等）很难从文本中精确的抽取出来。 Web中包含了许多类似复杂的专名实体,这些专名是没有定义的,同时人为的预先给这些复杂的实体类进行标注也不实际的。在此背景下,本文主要对复杂命名实体的抽取进行了研究,提出了一种基于混合方法的复杂命名实体抽取系统。本文首先研究如何使用WEB结构树获取专名文本,接着使用隐马尔科夫模型结合N-最短路径完成切分和词性标注;在此基础上重点研究了如何通过bootstrapping统计方法结合最大熵模型（Maximum Entropy Model, MEM）构建复杂命名实体抽取器。在应用最大熵模型时充分利用专名上下文许多分散零碎的信息获取专名的特征模板,并通过自学习的方法不断提高抽取效果。本文把统计和规则的方法有机的结合起来,分别对3类复杂命名实体（书名、歌曲名、电影名）进行了抽取实验,通过实验结果和分析证明:使用混合方法具有良好的适应性和学习能力,并取得了理想的抽取效果,达到了较好的精确率。本文充分利用WEB上的领域自然语言资源,针对目前领域语料库相对不完善的背景,提出了使用统计和规则相结合的混合方法,对其中少部分语料进行人工标注,灵活自由的选择种子词前后特征,使用迭代算法,这样就完成了采用少量标注语料达到传统的大规模标注语料的训练效果。本文所提出的方法具有较强的推广能力,对Web上的其他复杂命名实体的抽取提出了通用的模型。

关键词：命名实体抽取 bootstrapping 最大熵模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

实体关系自动抽取技术的比较研究

实体关系自动抽取技术的比较研究

作者：宁海燕哈尔滨工业大学

学位级别：硕士

随着计算机技术和网络技术的不断发展,海量信息以电子文档的形式出现在人们面前。从这些自然文本中提取出有用的信息,日益成为人们关注的问题。因此信息抽取技术应运而生,关系抽取是其中的一个子任务。文本中特定的事实信息称为实体,而... 详细信息

随着计算机技术和网络技术的不断发展,海量信息以电子文档的形式出现在人们面前。从这些自然文本中提取出有用的信息,日益成为人们关注的问题。因此信息抽取技术应运而生,关系抽取是其中的一个子任务。文本中特定的事实信息称为实体,而确定这些实体之间的关系称为实体关系抽取。实体关系抽取对本体库的构建以及改进信息检索技术等有重要的作用。本文重点对实体关系抽取技术的几个问题进行了研究和解决:首先,本文抽取了传统命名实体以外的存在重要语义关系的词:领域术语。针对领域术语评测数据的不统一和评价的困难性,通过词典评测、人工评测在准确率、召回率、F度量等评价指标上与几种主流的基于统计的术语抽取方法进行了详细的对比和分析。本文还提出了基于线性支持向量机权重的术语抽取方法,实验结果表明,该方法能有效地抽取领域术语。其次,本文基于不同的应用需求,利用统一的语料对比研究了基于特征的有监督、半监督和无监督的实体关系抽取方法。在有监督实体关系抽取方法中,前人的研究工作没有考虑各种特征对两个实体间无关系即no-relation的影响。对此,本文详细对比了通用特征:实体周围词语、实体类型、子类型、实体位置、实体中心词和内容的依存句法分析对真正关系和no-relation的影响,并提出了新特征:特征词位置信息,实验表明该特征能有效提高实体关系抽取的准确率。本文通过bootstrapping半监督实体关系抽取方法进行了不同的对比实验:实体特征、种子集规模对实体关系抽取性能的影响;同等条件下,半监督实体关系抽取方法与有监督实体关系抽取方法的性能比较。实验结果表明半监督实体关系抽取能够提高实体关系抽取的准确率。无监督实体关系抽取方法主要采用的是聚类方法,因此本文主要研究了聚类算法以及合并策略对实体关系抽取的影响。本文对比研究了三种聚类算法,即K-means、自组织映射和Affinity Propagation算法,以及两种合并策略(DCM和Cosine)。Affinity Propagation算法能够取得较优的结果,自组织映射算法在运行时间上更有优势。

关键词：实体关系抽取领域术语抽取 bootstrapping 聚类 DCM合并

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于概念模型的中文网页信息抽取技术的研究

基于概念模型的中文网页信息抽取技术的研究

作者：陈晓颖上海交通大学

学位级别：硕士

随着计算机应用的普及和近年来因特网的发展,特别是Web网的迅猛发展,信息的增长规模在速度上达到了空前的水平。如何协助用户更加方便有效地利用现有的网络资源,并且从中获得真正有用的信息,是计算机研究人员不得不面对的一项重任。本... 详细信息

随着计算机应用的普及和近年来因特网的发展,特别是Web网的迅猛发展,信息的增长规模在速度上达到了空前的水平。如何协助用户更加方便有效地利用现有的网络资源,并且从中获得真正有用的信息,是计算机研究人员不得不面对的一项重任。本课题主要就概念检索模型展开研究,提出一套抽取中文网页中信息的有效解决方案。根据领域概念知识库,该方案构建网页信息,使网页内容结构化,将来可以和用户需求匹配,实现二次检索。概念检索是近年来兴起的信息科学领域的一个研究热点。目前有许多研究者提出了自己的概念检索模型,希望通过语义关系来扩充检索范围,获得对用户而言有价值的信息。但是,目前为止缺乏实际的实现框架与研究成果。本文首先介绍概念及其属性的定义,概念之间关系和概念图等基本知识。然后,给出基于概念模型的中文信息抽取的总体框架。文中从资源库的建立和信息抽取两个方面详细论述该框架的具体内容。在资源获取阶段,着重介绍概念知识库的意义,现有成果及未来发展方向。在信息抽取方面,介绍在抽取过程中的主要模块,包括文本块过滤,文本块内容分类和文本块信息抽取。文中定义三种基本信息表达方式(SearchBox、List和PureText),并分别对三种类型的信息抽取过程进行讨论。随后,本文论述了实体关系模板的获取技术。确定实体之间的关系有助于从语义角度理解文本,构建概念体系,从而提高信息检索的正确率。为此,我们提出一种Slim Template Getter(STG)的bootstrapping训练方法。该方法采用生物信息学中的序列比对技术计算上下文的语义模板,使用一定的评估机制筛选模板,并有效地扩充元组以提高下一轮训练的质量。实验结果表明,STG生成的模板不仅能覆盖大量的元组,而且正确率可达99%。最后,本文结合以上两项成果实现了一个中文信息抽取系统Squib。在实验中,该系统围绕火车票建立概念知识库模型,对Google搜索返回的前50张网页进行过滤,提取需求概念的属性值,构建网页信息,并且重新排列其搜索结果。根据测评,该系统不仅能够抽取出需求概念的一部分属性值,而且从语义角度而言有效地改善了原有搜索结果的排名。

关键词：信息抽取概念模型文本块机器学习 bootstrapping

基于随机梯度提升决策树的行人检测算法设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于随机梯度提升决策树的行人检测算法设计与实现

作者：王焱浙江大学

学位级别：硕士

近年来,随着人工智能和机器学习的快速发展,计算机视觉也进入了发展的黄金时期,吸引了众多学者以及企业的目光。行人检测是计算机视觉中的重要课题之一,在智能视频监控和无人驾驶汽车等应用领域都有着举足轻重的地位。本文便着眼于行人... 详细信息

近年来,随着人工智能和机器学习的快速发展,计算机视觉也进入了发展的黄金时期,吸引了众多学者以及企业的目光。行人检测是计算机视觉中的重要课题之一,在智能视频监控和无人驾驶汽车等应用领域都有着举足轻重的地位。本文便着眼于行人检测这一重要且极具挑战的课题,行人检测本质上是个二分类问题,性能优异的行人检测算法既要有良好的分类算法也要有优秀的特征。本文的主要工作归纳如下:在行人检测领域中,已经被经常使用的分类算法有AdaBoost、支持向量机以及卷积神经网络中的Softmax分类函数等。梯度提升决策树(GBDT)是数据挖掘领域中性能非常出众的分类算法,在个性化推荐、金融预测等方面都有着成功的应用案例。然而,它目前还没有被应用于行人检测的算法中,因此本文的第一个创新点是把梯度提升决策树算法应用于行人检测中。本文设计了ACF/LDCF+GBDT算法,并在Inria、Caltech、Kitti几个主流的数据集上进行实验,实验结果证实了梯度提升决策树算法可以较好地适用于行人检测的研究中。卷积神经网络所得到的特征是对输入图像更抽象、更高层次的表达,高层次表达可以提升输入数据的区分度,我们采用一种优秀的卷积神经网络特征来进行行人检测算法的设计。FasterR-CNN中的区域建议网络(RPN)本身可以做为一个性能较好的行人检测器,但后面的分类器降低了其应有的性能。基于此本文提出了第二个创新点,先使用区域建议网络进行候选框的建议以及特征的提取,随后使用bootstrapping策略分多个阶段采用梯度提升决策树算法进行模型的训练,充分挖掘疑似行人的负样本,并把这些样本加入训练集中的负样本里,从而逐步提升检测器的性能。此外,为了加快训练速度及有效地避免过拟合现象,我们采用了随机梯度提升的策略:每个阶段随机选取部分样本、随机选取部分特征用于决策树的训练,即训练过程中我们采用了随机梯度提升决策树算法。最终,本文设计了基于随机梯度提升决策树与区域建议网络的行人检测算法,并在当前流行的Caltech数据集上进行了实验。实验结果表明,经过以上改进后我们可得到一个性能非常优秀的行人检测器。

关键词：行人检测区域建议网络梯度提升决策树 bootstrapping 随机梯度提升

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中医古籍文献语义标注技术的研究

中医古籍文献语义标注技术的研究

作者：丁长林沈阳航空航天大学

学位级别：硕士

语义标注是一个在领域分类指导下，为文档填加规范化知识表示的过程。表示结果可应用于面向文本的知识挖掘、智能检索等其它深层分析中。中医古籍文献即医古文，是我国中医文化精华的载体，对医古文的分析和处理越来越受广大学者的关注... 详细信息

语义标注是一个在领域分类指导下，为文档填加规范化知识表示的过程。表示结果可应用于面向文本的知识挖掘、智能检索等其它深层分析中。中医古籍文献即医古文，是我国中医文化精华的载体，对医古文的分析和处理越来越受广大学者的关注。然而，目前在大多数的医古文数字化过程中尚未加入语义标记，因此，在数据挖掘方面，对其进行的研究还仅仅停留在浅层分析阶段。深入研究文本中蕴含的语义关系仍依赖于大量的人工分析。利用语义标注技术对医古文进行语义标引将有助于实现对中医古籍文献的自动深层分析。本文针对医古文中包含的名词性术语及叙述性术语进行了标注，名词性术语描述了特定事物的名称，如中药名称、方剂名称等;叙述性术语描述了特定事物的属性，如疾病症状、疾病病机、疾病病因等。本文主要工作如下： 1．针对名词性术语的标注，本文提出了一种基于半监督学习的bootstrapping方法;为保证结果的准确性，在方法中融合了人机交互技术;实验结果表明，在没有用户参与的情况下，中药名称识别F值达到51.3%，方剂名称识别F值达到44.9%;在模拟了人机交互策略的实验中，中药名称识别F值提高到90.6%，方剂名称识别F值提高到74.9%。 2．针对叙述性术语的标注，本文将叙述性的标注问题转化为医古文中短句的分类和序列标注问题;为了降低语料的稀疏程度、增加标注特征，提出了两种预处理方法即基于名词性术语的规约操作和基于知网的替换操作;通过实验分析了不同参数设置对标注效果的影响，得到了解决标注问题的最佳参数组合，并且实验结果表明，两种转化方式均有效，且序列标注模型取得了更好的标注效果。 3．设计并实现了一个以交互方式完成语义标注的医古文辅助语义标注系统，该系统可在用户参与的过程中，不断提高语义标注效果。

关键词：语义标注中医古籍文献 bootstrapping 短句标注

基于强化学习和注意力机制去噪的产品领域关系抽取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于强化学习和注意力机制去噪的产品领域关系抽取

作者：连许梦上海财经大学

学位级别：硕士

关系提取是信息提取的重要子任务,本文对现有关系抽取方法进行详细研究后,发现有监督的关系抽取虽减少了特征工程的工作量,在一些小规模标注样本上取得了较高的查准率和查全率,但人工标注样本耗时费力,有监督的关系抽取受标注成本制约,... 详细信息

关系提取是信息提取的重要子任务,本文对现有关系抽取方法进行详细研究后,发现有监督的关系抽取虽减少了特征工程的工作量,在一些小规模标注样本上取得了较高的查准率和查全率,但人工标注样本耗时费力,有监督的关系抽取受标注成本制约,无法快速应用到大规模语料库或其它不同领域。解决标注样本规模的问题是关系抽取领域的重要研究课题。而半监督或远程监督方法虽能够缓解标注样本缺乏的问题,但不可避免地会引入噪声。本文主要研究产品领域父类与子类的关系抽取方法,可用于构建产品与产品组成关系知识图谱,了解产品在产业链中的关系,判断产品间的联动效应,可进一步应用于企业分析、股票市场分析等领域。研究难点是如何在缺少标注样本的情况下,解决样本生成问题以及关系抽取的质量问题。第一,为解决训练样本生成问题,本文参考远程监督思想,改进了标注样本生成的方式。构建训练集步骤包括获取语料、实体识别及关系标注,以往的研究主要使用与人名、地名等相关的语料进行实验,且目前有较为成熟的工具可识别人名、地名等实体。然而,由于本文实体涉及的领域较为广泛,且要求所寻语料中应尽量包含父类与子类关系的描述,极大提高了数据集的构建难度。首先,本文提出了一种自动检索的方式快速获取语料,将外部知识库中的关系对直接输入到搜索框中进行检索并爬取结果中的正文,提高语料与目标关系的相关性。另一方面,由于检索所得的语料质量不一、句中容易重复出现相同的产品名、实体链接不准确等原因,采用远程监督方法生成的数据集包含高达80%的噪声,远高于英文文献中常认为的20%左右的低噪声比例。故在此背景下,进一步引入基于强化学习的预去噪模型,剔除部分明显的噪声样本,重新生成净化后的数据集。上述方法兼顾了数据集生成的效率及质量问题。第二,为解决标注数据不足的问题,本文使用半监督bootstrapping方法从样本中提取出关系实例,并针对长尾关系、实体链接错误等问题进行了方法改进。bootstrapping方法采用词向量的方式表示实例,只需要少数种子,即可通过聚类方法生成pattern,并找出更多实例。使用词向量的方式表示pattern虽然能够直接引入语义等信息来提升效果,但容易引入噪声。故本文进一步引入实体词向量抽取出更多的长尾关系,同时提升查准率和查全率,并使用距离、分词等规则有效缓解实体链接错误。bootstrapping方法中词向量的使用容易因语义漂移而引入噪声,故需要进一步去噪。本文认为从简单的句子中提取出某一关系比从复杂句子中提取出该关系难度更低,更容易学习到pattern,且从简单句子中提取出的关系解释性更强,可信度更高。受注意力正则项方法的启发,本文改进了初始pattern的选取方法,并引入人工知识改进注意力分配等方式,让神经网络模型从简单的实例中即可快速学习到pattern,实现去噪。综上,可形成一个完整的训练集快速构建——关系生成——关系去噪的关系抽取通用性架构,解决标注数据不足及自动标注质量较差等问题,适用于其他专业领域的关系抽取问题。

关键词：关系抽取 bootstrapping 强化学习注意力

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向微博的消费意图挖掘与分类

面向微博的消费意图挖掘与分类

作者：高汉东哈尔滨工业大学

学位级别：硕士

随着互联网的快速发展，微博（microblogging）逐渐兴起。近几年来，微博逐渐渗入到人们生活的方方面面，人们不仅在微博中接受到各种各样的信息，还会主动的发布各种各样的信息，甚至表达出购买某种产品的愿望，即对某种产品存在着消... 详细信息

随着互联网的快速发展，微博（microblogging）逐渐兴起。近几年来，微博逐渐渗入到人们生活的方方面面，人们不仅在微博中接受到各种各样的信息，还会主动的发布各种各样的信息，甚至表达出购买某种产品的愿望，即对某种产品存在着消费意图。所以，微博在作为一种社会媒体与社交网络的同时，其中蕴含着巨大的商业价值。本文就微博中具有消费意图的微博进行了一系列的研究，并且主要进行了以下几个方面的研究：基于bootstrapping的外部消费意图资源挖掘;基于图模型的消费意图微博挖掘;基于SVM分类器的微博消费意图分类。下面简要介绍一下各个研究点研究内容。（1）基于bootstrapping的外部消费意图资源挖掘。一淘求购网站中有很多的信息条目是具有消费意图的，相对于微博来说，可以称这些信息条目为外部消费意图资源。同时，如何获取大规模的数据一直是自然语言处理的相关研究中比较重要的问题。然而，微博的消费意图研究作为一个新的研究方向，首当其冲遇到的一个问题就是缺乏大量的已标注的数据和标准的评测集合，基于此种情况，本文给出了一种基于bootstrapping的自动标注外部消费意图资源的方法。这种方法的优势是可以利用少量的人工标注的数据，半自动标注大量的未进行类别标注的数据。（2）基于图模型的消费意图微博挖掘。直接从海量的微博文本中挖掘具有消费意图的微博数据难度很大，因为具有消费意图的微博的只占微博总数的3%左右。所以，我们人工提取了一些消费意图的特征短语，然后通过这些特征短语对微博进行了过滤。过滤后的微博含有消费意图的比例大大提高，然后使用了一种基于图模型的方法挖掘大量的具有消费意图的微博。本文提出了一种新颖的CIRank图模型算法，此方法借鉴了传统的TextRank算法和RelevanceRank算法的思想。此外，本文采用了三种方法用来计算图中节点的相似度，分别是：Jaccard系数，余弦相似度和消费意图相似度。（3）基于SVM分类器的微博消费意图分类。本文提出了一种基于SVM分类器的方法，分别利用外部消费意图资源和真实的微博文本，训练了分类模型，用来分类给定微博的消费意图。需要注意的是，本文的分类是二元分类，也就是说，对于一条给定的微博，分类器的输出是这条微博是否具有消费意图。

关键词：微博消费意图挖掘分类图模型 bootstrapping

本体概念发现及其关系抽取关键技术研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

本体概念发现及其关系抽取关键技术研究与应用

作者：李丹阳河北科技大学

学位级别：硕士

随着网络技术的快速发展,互联网为人们创造了一个很好的交互平台。如何有效地在海量的网络大数据中为用户提取出有价值的信息,也面临着巨大的挑战。基于语义的信息处理能有效地解决上述问题。作为一种共享的概念化模型,本体在语义分析... 详细信息

随着网络技术的快速发展,互联网为人们创造了一个很好的交互平台。如何有效地在海量的网络大数据中为用户提取出有价值的信息,也面临着巨大的挑战。基于语义的信息处理能有效地解决上述问题。作为一种共享的概念化模型,本体在语义分析中起着至关重要的作用。对本体概念发现及其关系抽取关键技术进行研究,不仅是自然语言处理中重要的研究课题,而且能够有效地抽取相关联的知识数据,相关成果也具有重要的研究价值。本体概念的发现、本体关系的抽取是其中的重要研究内容。本文针对本体概念发现及其关系抽取进行研究,针对电力领域文本数据,采用基于规则与统计相结合的方法完成对本体概念的抽取,通过词法与句法相结合、基于词的相似度的方法完成对本体关系的抽取。主要研究工作如下:1)采用基于词性与统计相结合的方法完成对数据分词结果的处理;采用基于规则与统计相结合的方法完成对电力领域文本数据的概念的抽取。2)基于分词、词性标注、依存句法分析等自然语言处理技术,通过对词法与句法特征的结合,完成规则库的构建;通过对文本中相关模式的分析,利用规则库完成对电力领域数据的本体分类关系的抽取。3)采用基于依存句法分析完成对基本模板的抽取,使用bootstrapping完成对模板的扩充;在此基础上,使用词向量表示概念,完成对三元组中的概念对相似度的计算,完成对电力领域数据的本体非分类关系的抽取。实验结果表明,本文所提出的方法具有一定的可行性与有效性。本体概念抽取方法能够在一定程度上完成对新概念的抽取;电力数据的本体分类关系的抽取准确率能够达到40%以上;通过对词进行向量化完成对概念相似度的计算。最后,对论文中存在的问题及下一步的研究工作进行了说明。

关键词：本体概念抽取关系抽取 bootstrapping 概念相似度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进隐马尔科夫模型的城市垃圾量预测

基于改进隐马尔科夫模型的城市垃圾量预测

作者：袁媛上海交通大学

学位级别：硕士

随着中国社会经济的不断发展，近年来国内众多城市的人口和规模不断扩张，超大城市的垃圾处理问题也日益突出。准确预测城市垃圾量的峰值，能为垃圾管理系统能力建设提供决策依据，对超大城市的可持续发展具有重大意义。传统预测方法大... 详细信息

随着中国社会经济的不断发展，近年来国内众多城市的人口和规模不断扩张，超大城市的垃圾处理问题也日益突出。准确预测城市垃圾量的峰值，能为垃圾管理系统能力建设提供决策依据，对超大城市的可持续发展具有重大意义。传统预测方法大多利用平均值概念，不能有效地衡量数据动态变化和对峰值进行动态跟踪。基于此，本文提出一种改进的基于连续混合高斯分布的隐马尔科夫模型(GMM-HMM)，用以动态跟踪城市垃圾量峰值。以小样本的上海市近30年生活垃圾量和大样本的作为公共数据源的美国城市废水量为案例，分别采用状态转移推知预测期望值和通过后验概率搜索历史最相似时刻做预测，并利用bootstrapping方法对结果进行区间修正以减少初始分布带来的不确定性。案例结果验证了所提出方法对城市垃圾量预测的适用性和有效性。基于改进的GMM-HMM得到上海市2004至2010年生活垃圾量预测值，将其作为上海市垃圾处理量系统动力学模型的垃圾生成变量的输入。垃圾生成包括垃圾循环回收、非法处理和垃圾处理量。垃圾处理量与垃圾处理能力设计直接相关。通过改变垃圾回收价格、垃圾处理价格和针对垃圾非法处理的规章制度的严格程度，仿真得到上海市2004至2010年垃圾处理量。仿真结果表明提升垃圾处理价格是有效减少最终垃圾处理量，实现垃圾可持续处理最有效最灵敏的政策。

关键词：隐马尔科夫模型混合高斯模型小波变换主成分分析 bootstrapping 系统动力学

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

主观性文本的情感极性分析研究

主观性文本的情感极性分析研究

作者：任德斌东北大学

学位级别：硕士

随着互联网的快速发展,我们可以从网上获取的信息和资源也在呈几何级数的增长。对于文本资源,尤其是用户主动发布的评论,进行挖掘和分析,识别出其情感倾向及演化规律,可以更好地理解用户的消费习惯,分析热点舆情,也可以为政府,企业和其... 详细信息

随着互联网的快速发展,我们可以从网上获取的信息和资源也在呈几何级数的增长。对于文本资源,尤其是用户主动发布的评论,进行挖掘和分析,识别出其情感倾向及演化规律,可以更好地理解用户的消费习惯,分析热点舆情,也可以为政府,企业和其他机构在决策时提供重要的依据。本文首先介绍了情感分析研究的动因,面临的挑战以及广阔的应用前景。然后聚焦于本领域研究的重点——情感极性分类上。对它的特点,关键概念和研究方法进行了较为详尽的论述。与传统的基于主题的文本分类相比,情感分类任务自身的特征使得在解决相关问题时,我们不仅要考虑问题的共性,更要结合问题特点,因地制宜。针对电影评论和产品评论这样的主观性文本中包含的情感倾向,本文运用两种基于不同思想的方法对情感极性分类进行了多角度的研究：(1)基于情感词典的情感极性分类方法。本文在以General Inquiry为情感词典的基础上,提出基于bootstrapping框架下的PMI-IR词典扩充算法,有效地提高了极性分类性能。并且融入具有情感极性反转作用的语义单元进行对比实验。实验结果在加入语义单元后得到明显提升。(2)基于机器学习的情感极性分类方法。本文结合实例对现今情感极性分类问题中存在的难点,进行了较为详尽的分析,提出了利用评论性文章最富于情感信息的后四分之一片段来构建特征空间的思想,并且经由多种文本特征选取方法以及Naive Bayes分类器和SVM分类器对多个主观性文本特征进行了对比实验。表现出色的实验结果证明了本文提取文本片段中情感信息方法的有效性。

关键词：情感分析情感极性分类 bootstrapping PMI-IR 语义反转