文本大數(shù)據(jù)情感分析

定　價(jià)：￥35.00

作　者：	高凱，徐華，王九碩，岳重陽，高成亮
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302538943	出版時(shí)間：	2019-12-01	包裝：
開本：		頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　借助人工智能相關(guān)技術(shù)，幫助人們方便、高效地利用網(wǎng)絡(luò)大數(shù)據(jù)信息，已成為當(dāng)前IT業(yè)的研究熱點(diǎn)之一?！段谋敬髷?shù)據(jù)情感分析》介紹社交網(wǎng)絡(luò)等海量異構(gòu)信息采集算法；對文本挖掘與自然語言處理中涉及到情感分析、微博情緒誘因分析、電商產(chǎn)品評價(jià)與意見挖掘等內(nèi)容進(jìn)行研究，并提供豐富的應(yīng)用案例。

作者簡介

　　高凱，男，漢族，教授；博士畢業(yè)于上海交通大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)，省級重點(diǎn)學(xué)科“計(jì)算機(jī)軟件與理論”中“信息檢索與云計(jì)算”方向?qū)W術(shù)帶頭人，碩士研究生導(dǎo)師；中國計(jì)算機(jī)學(xué)會CCF高級會員，CCF計(jì)算機(jī)應(yīng)用專委會常務(wù)委員，河北省京津冀大數(shù)據(jù)產(chǎn)業(yè)協(xié)會專委，河北省科技專家?guī)斐蓡T，石家莊市工業(yè)企業(yè)特派員；國外學(xué)術(shù)期刊International Journal of Computer Applications in Technology副主編，5th /6th /7th /8thInternational Conference on Modelling， Identification and Control程序委員會委員；主要研究方向?yàn)楹Ａ慨悩?gòu)信息處理、大數(shù)據(jù)搜索與挖掘、自然語言處理、網(wǎng)絡(luò)信息檢索、社會計(jì)算等；近幾年出版了《大數(shù)據(jù)搜索與挖掘》、《信息檢索與智能處理》、《網(wǎng)絡(luò)信息檢索技術(shù)及搜索引擎系統(tǒng)開發(fā)》等學(xué)術(shù)專著，以及《大數(shù)據(jù)搜索與日志挖掘及可視化方案》、《Android 程序設(shè)計(jì)基礎(chǔ)教程》、《計(jì)算機(jī)專業(yè)英語》、《數(shù)據(jù)庫原理與應(yīng)用》多部編著和規(guī)劃教材。

圖書目錄

第1章引言
第2章自然語言處理與應(yīng)用綜述
2．1 概述
2．2 自然語言處理的主要研究方法
2．2．1 理性主義與經(jīng)驗(yàn)主義方法
2．2．2 深度學(xué)習(xí)與預(yù)訓(xùn)練方法及其在自然語言處理中的應(yīng)用
2．3 自然語言處理的部分任務(wù)及應(yīng)用
2．3．1 詞法分析
2．3．2 句法分析
2．3．3 命名實(shí)體識別與特征信息提取
2．3．4 文本摘要
2．3．5 機(jī)器翻譯
2．4 本章小結(jié)
參考文獻(xiàn)
第3章文本情感與情緒分析綜述
3．1 概述
3．2 文本情感分析
3．2．1 情感信息抽取
3．2．2 情感分類
3．2．3 立場分析
3．3 文本情緒分析
3．3．1 傳統(tǒng)的情緒分析方法
3．3．2 基于深度學(xué)習(xí)的情緒分析
3．4 本章小結(jié)
參考文獻(xiàn)
第4章面向微博文本的情緒及其誘因分析
4．1 總體技術(shù)路線
4．2 情緒模型
4．2．1 事件結(jié)果類
4．2．2 主體行為類
4．2．3 事件結(jié)果類和主體行為類的復(fù)合情緒
4．2．4 實(shí)體對象類
4．3 分析和提取情緒誘因事件
4．3．1 事件結(jié)果類的誘因事件分析與提取
4．3．2 主體行為類的誘因事件分析與提取
4．3．3 實(shí)體對象類的誘因事件分析與提取
4．4 情緒校驗(yàn)與修正
4．5 基于貝葉斯概率模型的誘因成分分析
4．5．1 基于語料的情緒詞典構(gòu)造
4．5．2 語言特征對情緒誘因的影響分析
4．5．3 基于貝葉斯概率模型的誘因比例計(jì)算
4．6 基于語言特征的情緒分類
4．6．1 詞性特征分析
4．6．2 句法結(jié)構(gòu)特征分析
4．6．3 情緒詞與上下文的關(guān)系特征分析
4．6．4 特征降維
4．6．5 情緒分類
4．7 實(shí)驗(yàn)與分析
4．7．1 實(shí)驗(yàn)語料與測度說明
4．7．2 實(shí)驗(yàn)與結(jié)果分析
4．8 本章小結(jié)
參考文獻(xiàn)
第5章面向話題評論的立場分析
5．1 概述
5．2 基于AATABiLSTM模型的用戶立場分析
5．2．1 基于詞向量的話題擴(kuò)充方法
5．2．2 基于雙向LSTM與Attention的處理機(jī)制
5．2．3 實(shí)驗(yàn)
5．3 基于遷移學(xué)習(xí)的新話題評論預(yù)測
5．3．1 跨領(lǐng)域遷移學(xué)習(xí)模型的組成、預(yù)訓(xùn)練與預(yù)測
5．3．2 實(shí)驗(yàn)與分析
5．4 本章小結(jié)
參考文獻(xiàn)
第6章文本表示及在情緒分類中的應(yīng)用
6．1 概述
6．2 基于注意力機(jī)制的雙向LSTM的文本表示
6．2．1 輸入層
6．2．2 特征學(xué)習(xí)層
6．2．3 特征權(quán)重學(xué)習(xí)層
6．2．4 輸出層
6．2．5 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
6．2．6 基于注意力權(quán)重可視化的不同詞性標(biāo)簽與情緒類別間的關(guān)系
6．3 基于兩階注意力機(jī)制的文本表示
6．3．1 輸入層
6．3．2 特征學(xué)習(xí)層
6．3．3 特征權(quán)重學(xué)習(xí)層
6．3．4 實(shí)驗(yàn)與分析
6．3．5 實(shí)例分析
6．4 基于注意力聚合網(wǎng)絡(luò)的文本表示
6．4．1 輸入層
6．4．2 特征學(xué)習(xí)層
6．4．3 特征權(quán)重學(xué)習(xí)層
6．4．4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
6．5 本章小結(jié)
參考文獻(xiàn)