排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
为解决好评价本体与评价计算的接口问题,给评价对象抽取提供更加有力的“数据”基础支撑,采用构式知识驱动的方法,基于小规模语料库,归纳概括出8种后指评价动词与受事评价对象配对构式、5种前指评价动词与施事评价对象配对构式,并精准找出帮助计算机辨别各种评价构式的形式化特征标记,建立“评价动词与评价对象智能配对规则簇”,规则簇信度与效度实验F1值达到80%左右,相较于基准模型CUCsas1.0效率提升约13%。 相似文献
2.
提出与评价对象抽取相关的7类语义特征: 评价触发词、评价消解词、评价对象绝缘词、后指动词、前指动词、心理动词和指向定语的评价名词, 以及与极性判定相关的5类语义特征: 褒义性名词、贬义性名词、语义偏移型名词、度量衡形容词和语义构式。从引入语义特征的必要性以及如何使用这些特征两方面进行阐述。实验证明, 语义特征的引入有助于提高评价对象抽取及极性判断的准确率。 相似文献
3.
4.
以情绪因子中的常用情绪词和情绪短语为基础构建情绪词典, 并针对特殊的情绪表达形式, 结合标点符号和表情符号在情绪分析中的功能, 建立情绪规则库。通过对情绪词典和情绪规则的匹配和计算, 实现对中文微博情绪的识别和分类, 并在2013年CCF第二届自然语言处理与中文计算会议中文微博情绪分析评测中取得较好成绩。测试结果证明该方法有效。 相似文献
1