基于机器学习的汉语解释性意见关系识别方法研究与实现-计算机技术专业论文.docxVIP

Abstractof Abstract of attribute．evaluation，has some effect in the relationships identification of attribute·-attribute and opinion··explain (3)Explanatory opinion relations recognition based on word embedding：The word embedding method，mainly using word embedding as the feature of a classifier to complete the experiment，use Similarity degree and rule to improve the result． Experimental results show that word embedding method has better effect than dependency method． Keywords：Opinion mining；relationship identification；Explanatory Opinion elements identification；Support vector machines；Conditional random fields ．．III- 万方数据 黑龙江大学硕士学位论文目 黑龙江大学硕士学位论文 目 录 中文摘要 ．．I Abstract． ．．．．．．．．．．．．．．．．．．． ． ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ．．II 第1章绪论 ．1 1．1研究目的和意义 ．．1 1．2国内外相关研究 一2 1．2．1意见要素识别研究现状 2 1．2．2意见解释识别研究现状 4 1．2．3意见要素关系识别研究现状 4 1．3 目前存在的主要问题 ．．6 1．4 本文主要研究内容 ．．7 1．5 本文的组织安排 ．．8 第2章 基于机器学习的解释性意见要素识别 ．9 2．1 引言 ．．9 2．2 系统流程图 ．．9 2．2．1意见要素识别流程图 9 2．2．2意见解释识别流程图 ．Il 1 解释性意见要素任务描述 ．11 2．3．1解释性意见要素定义 11 2．3．2解释性意见要素识别任务描述 一12 2．4 意见要素识别 l 3 2．4．1链式条件随机场 一l 3 2．4．2 CRFs特征 一l 5 2．4．3序列标注 1 88 2．5 意见解释识别 19 2．6 实验结果和分析 2l 万方数据 目录2．6．1属性和评价识别结果 目录 2．6．1属性和评价识别结果 ．．21 2．6．2意见解释识别结果 ．．23 2．7 本章小结 ．25 第3章 基于依存特征的解释性意见要素关系识别 27 3．1 引言 27 3．2 解释性意见要素关系识别介绍 27 3．2．1解释性意见要素关系分类 ．．27 3．2．2解释性意见要素关系识别任务描述 ．．29 基于分类的解释性意见要素关系识别 32 3．3．1关系识别流程图 一32 3．3．2支持向量机模型 。33 3．3．3分类特征 ．．34 3．4 实验结果 39 3．4．1实验数据和评测指标 一39 3．4．2意见要素关系识别结果 一40 3．4．3意见．解释关系识别结果 ．41 3．5 本章小结 41 第4章 基于词向量特征的解释性意见要素关系识别 43 4．1 引言 ．43 4．2 关系识别流程图 43 4．3 分类特征 44 4．3．1意见要素关系识别特征 ．．44 4．3．2意见一解释关系识别特征 45 4．3．3词向量相似度 ．．46 4．4 意见解释的隐含属性识别 46 4．5 实验结果 47 4．5．1词向量训练数据 一47 万方数据 黑龙江大学硕士学位论文 黑龙江大学硕士学位论文 4．5．2属性一评价关系识别结果 47 4．5．3属性一属性关系识别结果 50 4．5．4意见一解释关系识别结果 5 1 4．5．5隐含属性识别结果 ．．5 l 4．6词向量方法与依存方法比较 52 4．7系统界面 54 4．8本章小结 56 结论 57 参考文献 59 致j射 64 独创性声明 65 万方数据 第1章绪论第1章绪论 第1章绪论 第1章绪论 1．1研究目的和意义 随着计算机的普及和网络技术的进一步成熟，网络中的一些平台也随之快速 地发展，人们不仅可以在这些平台上浏览和和获取信息，也可以发表自己的观点。 比如，近年来随着阿里巴巴、京东、美团等电商的