2018-3-3 论文(网络评论中非结构化信息的表示与应用研究)笔记一
2018-03-03 20:24
267 查看
文章立脚点:
大量网络评论的出现,使得产品制造商或消费者很难跟踪己购产品用户的意见和建议,这就给他们的决策造成了额外的困难。
文章思路;
将网络评论中的非结构化信息处理成结构化信息
文章的总体的脉络
首先研宄评论分词、词性标注以及对歧义词、未登录词、禁用词的处理方法,然后分析比较传统特征抽取模型的优缺点,并在此基础上提出基于迭代思想的网络评论特征抽取模型,然后利用模糊认知图的知识表示和推理机制,充分考虑特征项之间、特征项与类别之间、类别与类别之间的因果关系和相互影响,提出基于模糊认知图的网络评论表示模型。在此基础上,利用分类器对网络评论进行分类,提出基于证据理论的网络评论综合评价模型。最后,收集来自于互联网的大量客户评论内容,并利用提出的模型和方法进行相应实验,得到了有效的实验结果,进而验证了模型的有效性。
研究背景:
研究意义:
文章主要内容:
论文研究路线:
特征提取的三种方式:
汉语文本的切分方式:
汉语相比较英语难切分:
(1)汉语的多意,一个汉字自己是一种意思,和另一个组合是一种意思,在和另外一个有是另一种
(2)英语中粗略的可以使用分隔符,作为分词的依据
(3)英语文本是小字符集上的已经充分分开的词串,而汉语文本是大字符集上的连续字符串,并且次与此之间没有明显的符号分割(比如空格符)
歧义字段分类以及目前切片策略
未登录词:
没有录入词典中作为切分的词(可以通过统计是否常用来更新词典中的词)
禁用词:
没有意义的词。其遵循的规则如下:
大量网络评论的出现,使得产品制造商或消费者很难跟踪己购产品用户的意见和建议,这就给他们的决策造成了额外的困难。
文章思路;
将网络评论中的非结构化信息处理成结构化信息
文章的总体的脉络
首先研宄评论分词、词性标注以及对歧义词、未登录词、禁用词的处理方法,然后分析比较传统特征抽取模型的优缺点,并在此基础上提出基于迭代思想的网络评论特征抽取模型,然后利用模糊认知图的知识表示和推理机制,充分考虑特征项之间、特征项与类别之间、类别与类别之间的因果关系和相互影响,提出基于模糊认知图的网络评论表示模型。在此基础上,利用分类器对网络评论进行分类,提出基于证据理论的网络评论综合评价模型。最后,收集来自于互联网的大量客户评论内容,并利用提出的模型和方法进行相应实验,得到了有效的实验结果,进而验证了模型的有效性。
研究背景:
研究意义:
文章主要内容:
论文研究路线:
特征提取的三种方式:
汉语文本的切分方式:
汉语相比较英语难切分:
(1)汉语的多意,一个汉字自己是一种意思,和另一个组合是一种意思,在和另外一个有是另一种
(2)英语中粗略的可以使用分隔符,作为分词的依据
(3)英语文本是小字符集上的已经充分分开的词串,而汉语文本是大字符集上的连续字符串,并且次与此之间没有明显的符号分割(比如空格符)
歧义字段分类以及目前切片策略
未登录词:
没有录入词典中作为切分的词(可以通过统计是否常用来更新词典中的词)
禁用词:
没有意义的词。其遵循的规则如下:
相关文章推荐
- 2018-3-8(论文--网络评论中的非结构化信息表示与研究)笔记-----基于证据理论的网络评论综合方法
- 2018-3-7论文网络评论中非结构化信息的表示与研究--------实验分析
- 2018-3-6论文-网络评论中非结构化信息的应用于研究------(语义矩离)
- 2018-3-5(论文——网络中非结构信息的表示与应用)笔记二 (歧义词,未登录词,禁用词)
- 2018-3-6 (论文—网络评论中非结构信息应用于研究)笔记-----论文中的特征抽取的模型算法
- 2018-3-5 (论文—网络评论中结构化信息处理的应用于研究)笔记三(互信息,信息增益,期望交叉熵,基于词频的方法,CHI统计)
- Deep Learning论文笔记之(三)单层非监督学习网络分析
- HIN2Vec:异质信息网络中的表示学习 | PaperDaily #18
- 记忆网络论文相关笔记(不全)
- Deep Learning论文笔记之(三)单层非监督学习网络分析
- 深入理解计算机系统----->信息的表示和处理笔记
- 笔记3 通过inputstream去读取网络信息
- Deep Learning论文笔记之(三)单层非监督学习网络分析
- Deep Learning论文笔记之(七)深度网络高层特征可视化
- 机器学习笔记(八) 神经网络的表示
- Deep Learning论文笔记之(三)单层非监督学习网络分析
- Deep Learning论文笔记之(七)深度网络高层特征可视化
- 论文笔记:神经网络中的基本概念整理
- 【论文笔记】SparkNET: 用Spark训练深度神经网络
- 生成对抗网络学习笔记1----论文Generative Adversarial Nets