面向产品评论的细粒度情感分析研究
【文章页数】:73 页
【学位级别】:硕士
【部分图文】:
图2.1ward2vec相似度计算实例
情感评价词典中,以便后面章节情感评价信息特征的提取。本文借助w〇rd2veC??模型来实现新词情感倾向的确定。??word2vec(word?to?vector)是2013年Google开发的可以将词以向量形式表示??的工具,通过训练,它可以将评论文本转化成K维向量空间,然后对其....
图2.3线性可分情况下的分类超平面
面向产品评论的细粒度情感分析研究本向量空间通过非线性映射的技术,映射到一个高维的特征空间特征空间中,存在一个可以将不同样本分类的最佳分类超per?Plane),它可以保证每个类之间有足够大的距离[29]。??线性可分与不可分两种情况,在前者情况下,一条直线就可以将这条直线就叫做最....
图2.3所示,两类样本在二维??空间中的映射分别用空心圆点和实心圆点来表示,分类超平面有?
这条直线就叫做最佳的分类超平面,如图2.3所示,两类样本在二维??空间中的映射分别用空心圆点和实心圆点来表示,分类超平面有三条直线HI,?H,??H2。当两类样本中最近点的距离最大时得到最佳的分类超平面,图2.3中最佳分??类超平面为H,距离两类样本点最近的直线HI、H2是平行于....
图2.5隐马尔科夫模型结构图??HMM立,可直对条概率??
?(2.11)??那么仏O)就符合条件随机场模型的要求。一般,图G没有固定结构,但在模??型建立时,链式结构的使用率最高,如下图2.6所示:??0?,Or??▼??S?-?…,Sn??图2.6?CRF的链式结构??具体用于评论文本情感要素识别时,首先输入观察序列,即经过分词的评论....
本文编号:3935790
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3935790.html