面向評論的文本傾向性分析中關(guān)鍵問題的研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、如今,我國電子商務(wù)已經(jīng)極其普遍,淘寶、京東等大型購物網(wǎng)站已經(jīng)占據(jù)了大部分市場。面對大量產(chǎn)品評論,企業(yè)為了獲取商業(yè)收益以及消費(fèi)者更好地做出購買決策,需要了解用戶對產(chǎn)品的態(tài)度、觀點(diǎn)。利用人力去標(biāo)注文本情感,費(fèi)力費(fèi)時,因此需利用計(jì)算機(jī)實(shí)現(xiàn)自動分析文本的情感傾向,這種技術(shù)稱為文本傾向性分析。如今,該技術(shù)取得了很多研究成果。本文的研究重點(diǎn)為對現(xiàn)有的文本傾向性分析方法中存在的關(guān)鍵問題進(jìn)行探索。
  在基于機(jī)器學(xué)習(xí)的文本傾向性分析中,重點(diǎn)研究由

2、于訓(xùn)練、測試文本不在同一個領(lǐng)域引起的準(zhǔn)確率低的問題。針對文本分類中特征降維環(huán)節(jié),提出一種基于通用領(lǐng)域框架的特征聚類算法。針對基于加權(quán)SimRank跨領(lǐng)域文本傾向性方法中,存在的兩個領(lǐng)域特征對齊時,在共現(xiàn)加權(quán)時未能考慮近義詞的問題,提出將基于通用領(lǐng)域框架的特征聚類應(yīng)用于該方法。實(shí)驗(yàn)表明,在保證了準(zhǔn)確率的前提下,節(jié)省了內(nèi)存空間,緩解了數(shù)據(jù)稀疏問題。
  在基于語義的文本傾向性分析中,重點(diǎn)研究詞語傾向性計(jì)算問題。針對常用的詞語傾向計(jì)算方

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(hù)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