中文微博評價(jià)對象提取方法研究.pdf

1、微博作為社交網(wǎng)絡(luò)中最火熱的平臺(tái)，每天產(chǎn)生的微博文本不計(jì)其數(shù)，并且涵蓋了新聞、娛樂、美食、商品、軍事等多個(gè)領(lǐng)域。因微博文本數(shù)據(jù)內(nèi)容豐富，最能反應(yīng)當(dāng)下人們討論的熱點(diǎn)問題，所以對微博文本數(shù)據(jù)的研究是當(dāng)前的一大熱點(diǎn)。為了在大量的微博文本數(shù)據(jù)中，找到人們談?wù)摰膶ο?，微博評價(jià)對象的提取這一課題因運(yùn)而生。分詞是微博評價(jià)對象提取的預(yù)處理步驟，分詞的效果直接影響評價(jià)對象提取的準(zhǔn)確率。本文圍繞評價(jià)對象提取準(zhǔn)確率的提高，做了如下研究工作：
　?。?）提

2、出一種領(lǐng)域自適應(yīng)的中文分詞方法。針對中文分詞領(lǐng)域自適應(yīng)性差，對未登錄詞的識別和歧義詞的處理顯得力不從心的問題，本文提出一種基于條件隨機(jī)場的領(lǐng)域自適應(yīng)中文分詞方法，提出了基本特征模板和字特征模板的條件隨機(jī)場分詞方法，并提出一種基于Trie樹的逆向最大匹配算法來校正條件隨機(jī)場分詞，針對條件隨機(jī)場分詞的缺陷，提出了固定詞串消解、動(dòng)詞消解和詞頻消解三種方法消除歧義。
　?。?）提出一種多特征融合的條件隨機(jī)場評價(jià)對象提取方法。為了更好的提取