当前位置:首页 > 工业技术
情感分析  挖掘观点、情感和情绪
情感分析  挖掘观点、情感和情绪

情感分析 挖掘观点、情感和情绪PDF电子书下载

工业技术

  • 电子书积分:11 积分如何计算积分?
  • 作 者:(美)刘兵(BingLiu)著;刘康,赵军译
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2017
  • ISBN:9787111574989
  • 页数:295 页
图书介绍:本书主要从自然语言处理的角度全面地介绍情感分析这个主题最先进的研究技术和实用算法,以帮助读者了解通常用于表达观点和情感的问题和语言结构的基本结构。它涵盖了情感分析的所有核心领域,包括许多新兴的主题,如辩论分析、意图挖掘、假民意检测,并提出了可用来分析和总结观点的计算方法。
《情感分析 挖掘观点、情感和情绪》目录

第1章 引言 1

1.1 情感分析应用 3

1.2 情感分析研究 6

1.2.1 针对不同文本颗粒度的情感分析研究 7

1.2.2 情感词典及其问题 8

1.2.3 辩论与评论分析 9

1.2.4 意图挖掘 9

1.2.5 垃圾观点检测与评论质量 10

1.3 情感分析是个迷你自然语言处理任务 11

1.4 本书撰写方式 11

第2章 什么是情感分析 13

2.1 观点定义 14

2.1.1 观点的定义 14

2.1.2 情感对象 15

2.1.3 观点中的情感 16

2.1.4 简化的观点定义 17

2.1.5 观点的理由和限定条件 19

2.1.6 情感分析的目标和任务 20

2.2 观点摘要定义 23

2.3 感情、情绪与心情 24

2.3.1 心理学中的感情、情绪与心情 25

2.3.2 情感分析中的感情、情绪与心情 28

2.4 观点的不同类型 30

2.4.1 常规型观点和比较型观点 31

2.4.2 主观的和隐含在事实中的观点 31

2.4.3 第一人称和非第一人称观点 34

2.4.4 元观点 35

2.5 作者和读者视角 35

2.6 小结 36

第3章 文档级情感分类 37

3.1 基于监督的情感分类 38

3.1.1 基于机器学习算法的情感分类 38

3.1.2 使用自定义打分函数的情感分类 44

3.2 基于无监督的情感分类 45

3.2.1 使用句法模板和网页检索的情感分类 45

3.2.2 使用情感词典的情感分类 46

3.3 情感评分预测 48

3.4 跨领域情感分类 49

3.5 跨语言情感分类 51

3.6 文档的情绪分类 52

3.7 小结 53

第4章 句子级主客观和情感分类 54

4.1 主观性 55

4.2 句子级主客观分类 56

4.3 句子级情感分类 59

4.3.1 句子级情感分类的前提假设 59

4.3.2 分类方法 60

4.4 处理条件句 61

4.5 处理讽刺句 62

4.6 跨语言主客观分类和情感分类 64

4.7 在情感分类中使用语篇信息 65

4.8 句子级情绪分类 66

4.9 讨论 67

第5章 属性级情感分类 68

5.1 属性级情感分类方法 69

5.1.1 基于监督学习的方法 69

5.1.2 基于词典的方法 70

5.1.3 两种方法的优缺点 72

5.2 情感组合规则 73

5.2.1 情感组合规则概述 74

5.2.2 情感减弱和情感增强表达 81

5.2.3 SMALL_OR_LESS和LARGE_OR_MORE表达 83

5.2.4 情绪和情感强度 86

5.2.5 情感词的含义 86

5.2.6 其他方法概述 88

5.3 否定和情感 89

5.3.1 否定词 89

5.3.2 never 92

5.3.3 其他常用的情感转换词 94

5.3.4 否定词移动现象 94

5.3.5 否定范围 95

5.4 情态和情感 96

5.5 并列连词but 100

5.6 非观点内容的情感词 102

5.7 规则表示 103

5.8 词义消歧和指代消解 105

5.9 小结 106

第6章 属性和实体抽取 108

6.1 基于频率的属性抽取 109

6.2 利用句法关系 110

6.2.1 利用观点和观点评价对象间的评价关系 111

6.2.2 利用部分整体和属性关系 116

6.3 基于监督学习的属性抽取 118

6.3.1 隐马尔可夫模型 118

6.3.2 条件随机场 119

6.4 隐含属性的映射 121

6.4.1 基于语料库的方法 121

6.4.2 基于词典的方法 122

6.5 属性聚类 124

6.6 基于主题模型的属性抽取 126

6.6.1 隐狄利克雷分配 127

6.6.2 基于无监督主题模型进行观点属性抽取 129

6.6.3 在主题模型中加入领域先验知识 133

6.6.4 基于终身学习的主题模型:像人类一样学习 135

6.6.5 使用短语作为主题词 138

6.7 实体抽取与消解 141

6.7.1 实体抽取与消解的问题定义 142

6.7.2 实体抽取 144

6.7.3 实体链接 145

6.7.4 实体搜索和链接 147

6.8 观点持有者和观点时间抽取 147

6.9 小结 148

第7章 情感词典构建 149

7.1 基于词典的方法 149

7.2 基于语料库的方法 152

7.2.1 从语料库中识别情感词 152

7.2.2 处理上下文相关的情感词 153

7.2.3 词典自适应 155

7.2.4 其他相关工作 156

7.3 隐含了情感信息(期望或者不期望)的事实型描述 156

7.4 小结 158

第8章 比较型观点分析 159

8.1 问题定义 159

8.2 比较句识别 162

8.3 比较句中的优选实体集识别 163

8.4 特殊类型的比较句 164

8.4.1 非标准型比较 164

8.4.2 交叉类型的比较 166

8.4.3 单实体比较 167

8.4.4 带有compare和comparison的句子 168

8.5 实体与属性抽取 169

8.6 小结 170

第9章 观点摘要和检索 172

9.1 基于属性的观点摘要 172

9.2 基于属性的观点摘要进阶 175

9.3 可对照的观点摘要 176

9.4 传统摘要 177

9.5 比较型观点摘要 177

9.6 观点检索 177

9.7 现有观点检索技术 178

9.8 小结 180

第10章 辩论与评论分析 181

10.1 辩论中的立场识别 181

10.2 对辩论、讨论进行建模 184

10.2.1 JTE模型 185

10.2.2 JTE-R模型:对回复关系进行建模 188

10.2.3 JTE-P模型:考虑作者之间的交互关系 189

10.2.4 在线讨论的容忍力分析 191

10.3 评论建模 192

10.4 小结 193

第11章 意图挖掘 195

11.1 意图挖掘定义 195

11.2 意图分类 198

11.3 细粒度意图挖掘 200

11.4 小结 201

第12章 虚假观点检测 202

12.1 垃圾观点的不同类型 204

12.1.1 有害虚假评论 204

12.1.2 垃圾评论者以及垃圾评论行为的类型 205

12.1.3 数据类型、特征和检测 207

12.1.4 虚假评论和传统谎言的比较 208

12.2 基于监督学习的虚假评论检测 209

12.3 Yelp数据集上基于监督学习的虚假评论识别实验 212

12.3.1 基于语言学特征的监督学习虚假评论识别 212

12.3.2 基于行为特征的监督学习虚假评论识别 213

12.4 异常行为模式的自动发现 214

12.4.1 类关联规则 214

12.4.2 单条件规则例外度 215

12.4.3 双条件规则例外度 217

12.5 基于模型的行为分析 220

12.5.1 基于非典型行为的虚假评论检测 220

12.5.2 基于评论图的虚假评论检测 221

12.5.3 基于贝叶斯模型的虚假评论检测 221

12.6 群体虚假评论检测 222

12.6.1 群体行为特征 224

12.6.2 群体内的个体行为特征 226

12.7 多ID评论用户识别 227

12.7.1 基于相似度学习的多ID评论用户识别 228

12.7.2 训练数据准备 228

12.7.3 d-特征和s-特征 229

12.7.4 识别同一用户的多个ID 230

12.8 基于评论爆发检测的虚假评论识别 232

12.9 未来研究方向 234

12.10 小结 235

第13章 评论的质量 236

13.1 把评论质量预测看作一个回归问题 236

13.2 其他方法 237

13.3 一些前沿问题 238

13.4 小结 239

第14章 总结 240

附录 244

参考文献 254

索引 289

返回顶部