学位论文 > 优秀研究生学位论文题录展示

基于情感分析的新闻浏览平台关键技术研究

作　者: 于墨
导　师: 赵铁军
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 文本聚类 情感分析 狄利克雷过程 依存句法分析
分类号: TP391.1
类　型: 硕士论文
年　份: 2011年
下　载: 99次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着网络对传统出版物和媒体的冲击,用户对于新闻浏览习惯发生了改变,越来越多的人养成了每天在网络上浏览新闻的习惯。本文研究如何高效、准确地从海量的新闻和新闻评论中找到网络读者感兴趣的信息。本文首先对新闻聚类问题进行研究,希望根据新闻包含的事件更好地对新闻进行组织。在将新闻聚类定义为结合多种不同特征的文本聚类问题的基础上,本文使用两种经典聚类方法,K均值聚类和合并层次聚类在新闻聚类问题上进行尝试,并提出基于狄利克雷过程的聚类方法。在此基础上,本文将这三种聚类方法推广到使用多种不同特征的情况下,并提出了可同时使用多种特征的狄利克雷过程集聚类方法。本文将新闻聚类中情感目标候选的提取问题定义为新闻聚类中高频命名实体的抽取问题,并提出了适用于语篇的快速命名实体抽取方法。同时,本文提出将新闻中的命名实体作为一种新的特征辅助新闻聚类的方法。在获得情感目标候选的基础上,本文提出应用依存句法信息对新闻评论进行情感目标相关的情感分析的方法,并给出了基于规则的和基于统计的两种情感目标相关的情感分析方法,从而可以按照评论的情感和情感针对的目标对其进行组织并提供给用户。实验证明本文提出的新闻聚类方法和情感目标相关的情感分析提高了任务的精度,有效地完成了本文提出的任务。

全文目录


摘要  4-5
Abstract  5-8
第1章 绪论  8-17
  1.1 课题来源  8
  1.2 课题研究背景及意义  8-10
  1.3 相关工作研究现状  10-13
    1.3.1 文本聚类方法研究现状  10-11
    1.3.2 情感分析研究现状  11-13
  1.4 本文主要工作及内容  13-14
    1.4.1 新闻聚类方法研究  13
    1.4.2 新闻聚类相关情感目标抽取  13-14
    1.4.3 情感目标相关的新闻评论情感分析技术研究  14
  1.5 文章组织结构  14-17
第2章 基于情感分析的新闻浏览平台结构描述  17-23
  2.1 基于情感分析的新闻浏览平台系统架构  17-19
  2.2 评论获取模块  19
  2.3 新闻聚类模块  19-20
  2.4 情感目标候选抽取模块  20
  2.5 情感目标相关的新闻评论情感分析模块  20-22
  2.6 本章小结  22-23
第3章 新闻聚类方法研究  23-38
  3.1 新闻聚类的问题描述  23-24
  3.2 两种基本文本聚类方法  24-26
    3.2.1 K 均值聚类方法  24-25
    3.2.2 合并层次聚类方法  25-26
  3.3 基于狄利克雷过程的聚类方法  26-30
    3.3.1 狄利克雷混合模型概述  26-28
    3.3.2 狄利克雷过程集  28-30
  3.4 结合多种特征的聚类方法  30-33
    3.4.1 同时处理多种特征的K 均值与合并层次聚类方法  30-31
    3.4.2 同时处理多种特征的狄利克雷过程集  31-33
  3.5 实验与分析  33-36
    3.5.1 不同聚类方法在实验数据集上的性能比较  33-35
    3.5.2 不同聚类方法在真实数据集上的性能比较  35-36
  3.6 本章小结  36-38
第4章 基于命名实体识别的情感目标候选抽取  38-45
  4.1 基于命名实体识别的情感目标抽取  38-39
  4.2 一种高效的语篇命名实体抽取方法  39-40
  4.3 新闻聚类相关情感目标候选列表获取方法  40-41
  4.4 命名实体抽取结果对新闻聚类的反作用  41-42
  4.5 实验与分析  42-43
  4.6 本章小结  43-45
第5章 情感目标相关的新闻评论情感分析  45-61
  5.1 情感目标相关的新闻评论情感分析的必要性描述  45-47
  5.2 基于依存句法特征的情感目标相关的新闻评论情感分析  47-50
  5.3 情感目标相关的新闻评论情感分析方法的工作流程  50-56
    5.3.1 前处理过程  50
    5.3.2 依存句法分析  50-52
    5.3.3 情感目标无关的情感分析  52-53
    5.3.4 基于句法特征的二阶段情感分析  53-55
    5.3.5 基于统计机器学习方法的情感目标相关情感分析  55-56
  5.4 实验与分析  56-59
  5.5 本章小结  59-61
结论  61-63
参考文献  63-67
攻读硕士学位期间发表的论文及其它成果  67-69
致谢  69

相似论文

  1. 隐式用户兴趣挖掘的研究与实现,TP311.13
  2. 演化聚类算法及其应用研究,TP311.13
  3. 基于本体的食品投诉文档文本聚类研究,TP391.1
  4. 基于博客搜索的博文情感倾向性分析技术的研究,TP391.1
  5. 面向短消息文本的聚类技术研究与应用,TP391.1
  6. 教育新闻热点话题发现系统的设计与实现,TP391.1
  7. 针对链接语料的主题社区挖掘,TP391.1
  8. Web新闻热点发现系统的设计与实现,TP393.09
  9. 数据挖掘技术在世博客流与社交媒体预测中的研究与应用,TP311.13
  10. 基于关联规则和图排序的句子情感倾向性研究,TP391.1
  11. 面向海量数据的云存储系统实现与应用研究,TP333
  12. SOM算法的改进及其在中文文本聚类的应用,TP391.1
  13. 基于Web文本挖掘的网络口碑监测系统研究,TP391.1
  14. Web中文文本聚类研究,TP391.1
  15. 中文文本聚类的评价与改进研究,TP391.1
  16. 基于贝叶斯分类方法的中文问句分类研究,TP391.1
  17. 基于知网和贝叶斯模型的词义消岐技术的研究,TP391.1
  18. 中文问答系统中问题分析关键技术的研究,TP391.1
  19. 基于最大频繁项集的搜索引擎查询结果聚类方法,TP391.3
  20. 基于主动学习的汉语依存树库构建,TP391.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 文字信息处理
© 2012 www.xueweilunwen.com