导读:本文包含了褒贬度论文开题报告文献综述及选题提纲参考文献，主要关键词:计算机应用,中文信息处理,句子褒贬度分析,褒贬分类
褒贬度论文文献综述
刘康,赵军[1]（2008）在《基于层迭CRFs模型的句子褒贬度分析研究》一文中研究指出本文研究句子的褒贬度分析问题。针对传统的基于分类的句子褒贬度分析方法不能考虑上下文信息的问题,以及基于单层模型的句子褒贬度分类方法中的由于标记冗余引起的分类精度不高问题,本文提出了基于层迭式CRFs模型的句子褒贬度分析方法。该方法利用多个CRFs模型从粗到细分步地判断句子的褒贬类别及其褒贬强度,其中层迭式框架可以考虑句子褒贬类别与褒贬强度类别之间的层级冗余关系,而CRFs模型可以利用上下文信息对于句子褒贬类别和强度的影响。该方法在有效识别句子褒贬度的同时,提高了句子褒贬强度判别的准确度。实验证明相对于传统分类方法和单层CRFs模型,本文的方法取得了良好的效果。(本文来源于《中文信息学报》期刊2008年01期）
刘康,赵军[2]（2007）在《基于层迭CRFs模型的句子褒贬度分析研究》一文中研究指出本文研究句子的褒贬度分析问题。针对目前文本分类方法不能考虑上下文信息的问题,以及单层模型中的由于标记冗余引起的分类精度不同问题,本文提出了基于层迭式 CRFs 模型的句子褒贬度分析方法,利用多个 CRFs 模型从粗到细分步地计算句子的褒贬度以及褒贬强度。其中层迭式框架可以考虑句子褒贬类别与倾向性强度类别之间的层级冗余关系,而 CRFs 模型可以利用上下文对于句子褒贬标记的影响。该方法在识别句子褒贬度的同时,有效地提高了句子褒贬强度判别的准确度。实验证明了相对于传统分类方法和标准 CRFs 模型,本文的方法取得了良好的效果。(本文来源于《第叁届全国信息检索与内容安全学术会议论文集》期刊2007-11-01）
李斌,卢俊之,章成志,陈小荷[3]（2007）在《基于聚类引擎的话题褒贬度计算》一文中研究指出互联网是人们表达各种观点的重要媒介,自动获取网络上对话题的褒贬态度是自然语言处理的一项新兴课题。本文提出了利用两种搜索引擎进行话题褒贬态度计算的方法。首先,利用聚类引擎近似地得到话题的若干子话题。然后,使用 PMI 算法利用关键词检索的搜索引擎计算出子话题的褒贬度,进而利用多语搜索引擎和地区搜索观察同一话题的跨语言分布和地区分布情况。该方法可用于搜索结果优化、话题分析、产品跟踪等领域。(本文来源于《内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集》期刊2007-08-01）
李海霞[4]（2005）在《词义的褒贬度》一文中研究指出许多词语的意义有褒义和贬义之分。我们也许会说“勤奋”是褒义词,“懒惰”是贬义词。但是在某些情况下,简单地断定褒贬太不够了。我们需要更加精细地认识这类现象,褒贬义应该按程度分出层次来。笔者为此选择了50多个词语,有好些是褒贬义不甚明显的,列成一张问卷调查表(本文来源于《语文建设》期刊2005年05期）
褒贬度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究句子的褒贬度分析问题。针对目前文本分类方法不能考虑上下文信息的问题,以及单层模型中的由于标记冗余引起的分类精度不同问题,本文提出了基于层迭式 CRFs 模型的句子褒贬度分析方法,利用多个 CRFs 模型从粗到细分步地计算句子的褒贬度以及褒贬强度。其中层迭式框架可以考虑句子褒贬类别与倾向性强度类别之间的层级冗余关系,而 CRFs 模型可以利用上下文对于句子褒贬标记的影响。该方法在识别句子褒贬度的同时,有效地提高了句子褒贬强度判别的准确度。实验证明了相对于传统分类方法和标准 CRFs 模型,本文的方法取得了良好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
褒贬度论文参考文献
[1].刘康,赵军.基于层迭CRFs模型的句子褒贬度分析研究[J].中文信息学报.2008
[2].刘康,赵军.基于层迭CRFs模型的句子褒贬度分析研究[C].第叁届全国信息检索与内容安全学术会议论文集.2007
[3].李斌,卢俊之,章成志,陈小荷.基于聚类引擎的话题褒贬度计算[C].内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集.2007
[4].李海霞.词义的褒贬度[J].语文建设.2005