导读:本文包含了语义倾向识别论文开题报告文献综述及选题提纲参考文献，主要关键词:微博,情感词,情感分析,语义倾向
语义倾向识别论文文献综述
唐浩浩,王波,周杰,陈东,刘绍毓[1]（2015）在《基于词亲和度的微博词语语义倾向识别算法》一文中研究指出准确识别词语语义倾向并构建高质量的情感词典,从而提高微博文本情感分析的准确率,具有重要意义。传统的基于语料库方法对种子词选取敏感,并且不能有效对低频词语语义倾向进行识别。本文提出了一种基于词亲和度的微博词语语义倾向识别算法。利用词性组合模式提取候选词集,选取微博表情符号作为种子词,并构建词亲和度网络,利用同义词词林对低频词进行扩展,计算候选词与种子词之间语义倾向相似度。根据设定阈值判断词语语义倾向。在200万条微博语料上分别将本文算法与传统算法进行对比,实验结果表明本文算法优于传统算法。(本文来源于《数据采集与处理》期刊2015年01期）
刘梅彦,张仰森,张涛[2]（2014）在《基于语义分析的不良倾向文本的识别算法研究》一文中研究指出分析了目前常用的不良倾向文本识别方法存在的困难和不足,设计了一种基于语义分析的不良倾向文本识别算法。该算法以语句为基本处理单元,采用依存句法获得句子的语义结构,结合How Net词汇褒贬倾向性判别,识别不良信息。实验结果表明,此算法能够较好地提高不良文本识别效率和准确率。(本文来源于《北京信息科技大学学报(自然科学版)》期刊2014年04期）
何坤,李伟生,杨勇[3]（2010）在《基于语义特征的文本情感倾向识别研究》一文中研究指出由于网络评论用语的多样性,常用的文本主题分类方法并不能完全适应情感倾向识别。针对这个问题,从语义理解的角度出发,提出一种基于语义特征的情感倾向识别方法,通过增加语义特征使得原始文本表现出更加明确的情感倾向,并且更加容易区分。实验结果表明了该方法的有效性。(本文来源于《计算机应用研究》期刊2010年03期）
李钝,乔保军,曹元大,万月亮[4]（2008）在《基于语义分析的词汇倾向识别研究》一文中研究指出随着互联网的安全发展和人们对信息需求的日益增强,文本倾向识别方向的研究在许多领域有着广阔的发展前景.作为文本语义倾向识别的研究基础,本文侧重于词汇的语义倾向性判别,利用《知网》中对汉语词汇的定义和描述,建立由褒贬倾向较强烈的词汇组成的种子集,并结合上下文环境因素的影响,采用一种度量方法获取种子词与普通词之间的语义倾向相似度,识别普通词的褒贬倾向.实验表明,本文方法对常用词的倾向识别效果较好,可为更大粒度的文本倾向识别打好基础,具有一定的实用价值.(本文来源于《模式识别与人工智能》期刊2008年04期）
吴云[5]（2008）在《基于词汇语义色彩分析的文本倾向识别》一文中研究指出文本倾向是指文本中所表达的对所描述主题的态度,从语言学上来看属于语用信息的范畴,涉及作者的主观意图,如何让计算机能进行自动识别是计算语言学的一个重要课题,高性能的自动识别系统对于网络舆情监控等重要现实应用具有重要价值。本文主要进行了两个方面的研究工作。其一,设计了一个基于全信息的自动文本倾向识别系统。该系统从语法,语义,语用叁个层次出发,去进行文本中的信息标注与抽取。最后将这些标注信息作为文本特征逐一添加到一个SVM文本分类器中去,进行文本分类计算,实验证明,当我们将语法、语义和语用叁层信息综合利用之时,系统性能是最好的。其二,作者在上述实验过程中发现,通常作为语用信息使用的词汇语义倾向度量值缺乏合适的解释性与验证方法。为此,本文引入聚类算法,对词汇语义倾向度量值进行聚类,并将聚类结果重新作用于原始的文本倾向识别系统中去,实验表明,系统文本倾向识别率得到了提高。这一方面为词汇语义倾向度量提供了一个有效解释的途径,同时也为系统的改进提出了一种新思路。论文最后是结论和对未来进一步工作的展望。(本文来源于《北京邮电大学》期刊2008-03-17）
张锦明[6]（2008）在《中文语义倾向识别的关键算法研究》一文中研究指出中文语义倾向识别是指识别某一特定主题的中文文本所具有的主观态度倾向性,判定文本对于该特定主题是持有肯定态度或是否定态度,它属于中文自然语言处理的范畴,是基于全信息的自然语言理解的重要研究领域。本文基于词汇本身的语义倾向信息,提出了一种基于词汇的语义倾向向量空间模型表示算法(SOVR算法)。该算法综合利用文本的语法、语义、语用叁个层次;结合了基于统计和规则的方法;在一定程度上融合了一般领域与特定领域的信息。该算法可以用于传统机器学习算法的预处理模块,产生对文本进行全信息向量空间模型表示的输入。实验表明,与多种基于向量空间模型的机器学习方法和非向量空间模型的统计测度方法相比,该算法更加能够对文本的语义乃至语用层次的信息加以表达,能很好地处理网络中噪声较大的文本,具有良好的鲁棒性,在处理不同领域、文本差异较大的语料时也能够保持相对较好的性能,在结合C4.5决策树算法和SVM算法时分别达到90.79%和92.21%的性能。本课题为中文文本的语义倾向识别提供了一个新的行之有效的方法。(本文来源于《北京邮电大学》期刊2008-03-03）
语义倾向识别论文开题报告
（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：
分析了目前常用的不良倾向文本识别方法存在的困难和不足,设计了一种基于语义分析的不良倾向文本识别算法。该算法以语句为基本处理单元,采用依存句法获得句子的语义结构,结合How Net词汇褒贬倾向性判别,识别不良信息。实验结果表明,此算法能够较好地提高不良文本识别效率和准确率。
（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。
语义倾向识别论文参考文献
[1].唐浩浩,王波,周杰,陈东,刘绍毓.基于词亲和度的微博词语语义倾向识别算法[J].数据采集与处理.2015
[2].刘梅彦,张仰森,张涛.基于语义分析的不良倾向文本的识别算法研究[J].北京信息科技大学学报(自然科学版).2014
[3].何坤,李伟生,杨勇.基于语义特征的文本情感倾向识别研究[J].计算机应用研究.2010
[4].李钝,乔保军,曹元大,万月亮.基于语义分析的词汇倾向识别研究[J].模式识别与人工智能.2008
[5].吴云.基于词汇语义色彩分析的文本倾向识别[D].北京邮电大学.2008
[6].张锦明.中文语义倾向识别的关键算法研究[D].北京邮电大学.2008