基于情感词典的方法主要依赖于情感词典的构建，是指利用情感词典获取文档中情感词的情感值，再通过加权计算确定文档的整体情感倾向。使用此方法时不考虑词语之间的联系，词语的情感值不会随着应用领域和上下文的变化而变化，因此需要针对特定领域建立相关的情感词典提高分类的准确率。情感词典是情感分析系统的基础知识库，是数字、文本与符号集合。在缺乏大量训练数据集的情况下，基于词典与规则的方法相对能取得较好的分类结果且易于理解，但是网络用语不断涌现，情感词典需要不断更新扩展以提高分类的准确率。情感词典也存在一定的局限性，首先，情感词的判别与选择取决于先验知识与实验设计；其次，针对不同领域还需要构造相应的领域情感词典，跨领域情感分析的分类效果不佳。
2022-09-14 13:41:33
92KB
1
可以用于各种数据挖掘和信息检索任务的matlab工具箱，利用matlab中稀疏矩阵这种结构，尤其适合于文本挖掘应用。
2022-04-13 19:07:19
871KB
1
剑桥大学出版社
The Text Mining Handbook - Advanced Approaches in Analyzing Ustructured Data (2007)
2021-11-12 18:05:03
5.4MB
1
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:53
449KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:52
2.23MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:52
2.76MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:51
1.12MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:51
750KB