由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 面向社交媒体的观点分析技术研究 熊蜀峰 新华出版社 978751
¥ ×1
第1章 绪论
1.1 研究背景和意义
1.2 研究进展
1.3 研究内容
1.4 本章小结
第2章 面向产品评论分析的短文本情感主题模型
2.1 引言
2.2 相关研究介绍
2.3 情感主题模型
2.4 实验及分析
2.5 本章小结
第3章 利用有约束K—Means聚类进行评价目标短语分组
3.1 引言
3.2 相关研究介绍
3.3 灵活约束的K-Means算法
3.4 实验
3.5 本章小结
第4章 基于深度度量学习方法的评价目标短语分组
4.1 引言
4.2 相关研究介绍
4.3 深度距离度量学习方法
4.4 实验评估
4.5 本章小结
第5章 基于超图排序算法的观点文本摘要
5.1 引言
5.2 相关研究介绍
5.3 提出的摘要框架
5.4 实验分析
5.5 本章小结
第6章 面向Twitter观点分类的情感增强词嵌入学习方法
6.1 引言
6.2 相关研究介绍
6.3 面向Twitter观点分类的多级别情感增强词嵌入
6.4 实验评估
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
本书是河南平顶山学院熊蜀峰博士主持的2019年度教育部人文社科项目“面向信息处理的汉语文本情感结构的描写机制与资源建设研究”的结项成果,属于中文信息处理和计算机深度学习方面的前沿交叉课题。书稿认为观点分析是对人们发表的关于实体、事件及属性的观点、评价和情绪的可计算化研究。此领域的研究起源于观点极性分类和主观性分类,即将其作为一个文本分类问题。本书针对目前的应用需求和存在的研究难点和问题,对面向社交媒体的观点分析中的若干子问题进行了深入研究,在此基础上,书稿提出利用词典资源和距离监督信息来学习情感词嵌入,使用学习到的词嵌入能够提高上层观点分析分类器的性能。书稿结构严谨,写作规范,对相关研究人员有参考价值。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格