免费论文摘要：鉴于NLP的华文看法抽取本领的接洽与运用

此刻Web仍旧变成人们公布看法的要害道路，乒坛，BBS，Blog等仍旧变成人们赢得外界看法消息的要害根源。然而Web上的消息是洪量的，并且比拟分别，依附人为欣赏查看指摘消息，是一项费时而又低效的处事。保守的消息检索和消息抽取接洽的中心是对准客观表白的究竟消息，而“看法”却是主观性的，所以须要一种不妨机动抽取主观性看法的新本领，从用户指摘中机动抽掏出对准每个产物特性的看法，索取用户感爱好的中心(Topic)或特性(Feature)，并领会其语义极性目标(褒义、贬义或中性)和强度。正文试验在运用NLP(Natural Language Processing)的普通上，对华文指摘的语义极性目标和看法抽取举行接洽。在基础粒度的用语极性接洽中，领会了HowNet的语义常识网构造，运用其对词条标明的褒、贬语义消息创造了一个基础的情绪词辞书。而后提出了一种鉴于用语语义一致度消息计划潜伏情绪词极性的本领，填补了辞书收录情绪词掩盖率偏低的不及。在对指摘文本情绪目标的接洽中，按照对天然谈话文本的左右文领会，提出了文本最小情绪单位SentiGram的观念，抽取情绪词及其化装消息，不只不妨更精确地辨别情绪特性的极性强度，更要害的是保证了精确地辨别其极性目标。对于文本的完全极性确定，提出了一种矫正的极性文天职类本领，运用鉴于用语文本隔绝的情绪特性极性安排本领，商量了情绪特性间的左右文彼此感化联系，进而越发精确的确定文本的完全情绪目标。正文还提出了一种鉴于语言材料常识的动静极性词极性确定本领，精确的确定出极性目标大概随左右文变革的情绪词极性。试验表白，矫正的本领在指摘文本极性分门别类上能博得不错的功效。对于指摘文本简直看法的抽取，正文对准指摘文本所处的一定范围的特性，提出了一种运用情绪特性控制的一再项发掘本领来创造中心属性集，并领会主提词和极性因素的配合联系，进而确定句子中每个中心关系看法的极性目标。试验表白，正文的算法具备较好的适用性。结果，正文实行了一个面向搜集指摘的看法抽取原形体例。不妨对于给定的指摘文本，举行文本的情绪目标领会，并抽掏出简直中心的关系看法。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/207368.html