Web文本挖掘技術(shù)理論與應(yīng)用

目 錄
第1章 概論\t1
1．1 研究的背景和意義\t1
1．2 文本挖掘相關(guān)技術(shù)概述及研究現(xiàn)狀\t2
1．2．1 文本分類概述及研究現(xiàn)狀\t3
1．2．2 文本聚類概述及研究現(xiàn)狀\t5
1．2．3 信息抽取概述及研究現(xiàn)狀\t6
1．2．4 文本檢索概述及研究現(xiàn)狀\t7
1．3 文本挖掘領(lǐng)域亟待解決的問(wèn)題\t8
1．4 本書的研究?jī)?nèi)容與結(jié)構(gòu)安排\t11
參考文獻(xiàn)\t13
第2章 基于統(tǒng)計(jì)語(yǔ)言模型的短文本計(jì)算\t18
2．1 引言\t18
2．2 文本信息處理基礎(chǔ)知識(shí)\t19
2．2．1 文本的表示\t19
2．2．2 特征選擇\t21
2．3 基于N-gram的特征提取和RPCL的短文本聚類算法\t22
2．3．1 相關(guān)工作\t23
2．3．2 算法描述\t23
2．3．3 實(shí)驗(yàn)及分析\t28
2．4 小結(jié)\t31
參考文獻(xiàn)\t31
第3章 面向廣告推薦和情感分析的Web文本信息抽取\t35
3．1 引言\t35
3．2 信息抽取常用算法和模型\t36
3．2．1 N-gram語(yǔ)言模型\t36
3．2．2 隱馬爾可夫模型\t37
3．2．3 最大熵模型\t38
3．3 基于隱馬爾科夫模型的半監(jiān)督中文復(fù)合詞抽取算法\t41
3．3．1 相關(guān)工作\t42
3．3．2 算法描述\t42
3．3．3 實(shí)驗(yàn)及分析\t46
3．4 基于最大熵和LMR模板的中文情感詞抽取算法\t48
3．4．1 相關(guān)工作\t49
3．4．2 算法描述\t50
3．4．3 實(shí)驗(yàn)及分析\t51
3．5 小結(jié)\t55
參考文獻(xiàn)\t55
第4章 基于監(jiān)督和半監(jiān)督的文本情感分類\t59
4．1 引言\t59
4．2 常用的監(jiān)督和半監(jiān)督文本分類算法\t60
4．2．1 常用文本分類算法\t61
4．2．2 半監(jiān)督文本分類算法\t63
4．3 文本情感分類的研究現(xiàn)狀\t66
4．3．1 主客觀分類\t66
4．3．2 情感極性分類\t66
4．4 基于帶先驗(yàn)的最大熵歌詞情感分類\t68
4．4．1 相關(guān)工作\t68
4．4．2 歌詞語(yǔ)料集統(tǒng)計(jì)信息\t69
4．4．3 算法描述\t71
4．4．4 實(shí)驗(yàn)及分析\t74
4．5 基于圖的半監(jiān)督學(xué)習(xí)文本情感分類算法\t76
4．5．1 算法描述\t77
4．5．2 實(shí)驗(yàn)及分析\t79
4．6 小結(jié)\t82
參考文獻(xiàn)\t82
第5章 文本觀點(diǎn)檢索研究\t89
5．1 引言\t89
5．2 相關(guān)研究\t89
5．3 文本觀點(diǎn)檢索系統(tǒng)設(shè)計(jì)與評(píng)測(cè)\t90
5．3．1 COAE2008觀點(diǎn)檢索任務(wù)、數(shù)據(jù)及相關(guān)評(píng)測(cè)指標(biāo)\t91
5．3．2 文本觀點(diǎn)檢索系統(tǒng)\t92
5．4 小結(jié)\t96
參考文獻(xiàn)\t96
第6章 總結(jié)與展望\t99
6．1 本文的工作總結(jié)\t99
6．2 未來(lái)的工作展望\t101