跳到主要內容

臺灣博碩士論文加值系統

(44.210.149.205) 您好!臺灣時間:2024/04/16 18:02
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:盧俊錡
論文名稱:影評意見探勘及摘要之問答系統
論文名稱(外文):Question Answering - Opinion mining And Auto summarization for Movie Review
指導教授:李嘉晃李嘉晃引用關係
指導教授(外文):Lee, Chia-Hoang
學位類別:碩士
校院名稱:國立交通大學
系所名稱:資訊科學與工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:21
中文關鍵詞:情感分類情感探勘自動摘要
外文關鍵詞:auto summarizationSentiment Classification
相關次數:
  • 被引用被引用:0
  • 點閱點閱:668
  • 評分評分:
  • 下載下載:126
  • 收藏至我的研究室書目清單書目收藏:1
隨著網際網路的蓬勃發展,部落格與討論版的興起,越來越多人在網路上發表自己對事物的意見以及看法。也因此,當購物者對某件商品下決策時,大部分人們在網路上對該產品的評價往往是很重要的參考依據。例如,一個網路的使用者在選擇要看甚麼電影之前,通常會先瀏覽熱門電影討論版參考看過該電影的使用者的評價來做為決定的因素。但對大部分使用者而言,要消化掉網路上大量對產品的評價資訊可能是相當耗時的。因此,在本篇論文中,我們透過自然語言處理以及資料探勘中的分群技術,來分析影評對該電影的評價是『好看』或『不好看』,並利用自動摘要技巧把影評中『好看』或『不好看』的句子擷取出來回饋給使用者。希望使用者透過我們的介面,可以在比較參考大量的評論資訊時,可以用更簡單,清楚,直覺的比較並做出決定。
With the rapid development of Internet and rise of BLOG and Discussion board , there are more and more people express their views or opinion on things on the internet . Thus , most of people’s appraisals on the web are significant information for customer making their decision . For example , people could Decided to go to the movies according to the existing appraisals on the web . But for most of user it is Time consumption to read all reviews on the movie Discussion board . In this Paper , we apply the Natural Language Processing (NLP) technology and classification technology to classify Text with two polarity : good or bad . Then we combine auto summarization technology to generalized a corresponding appraisal . We hope the user can make decision more rapid through the system which is designed by us .
中文摘要 iv
英文摘要 vi
目錄 vii
圖目錄 viii
表目錄 ix
第一章、緒論 1
1.1研究動機 1
1.2研究目的 1
1.3論文架構 2
第二章、相關研究 3
2.1情感分類(Sentiment Classification) 3
2.2 SVM/LIBSVM 4
2.3斷詞與詞性標記 4
2.4自動摘要(Auto Summarization) 5
2.5 相似詞 5
第三章、系統設計 8
3.1概念 8
3.2系統架構 8
3.3影評擷取 9
3.4影評分類階段 9
3.4.1 將文章以特徵向量表示 10
3.4.2 各種特徵取法 10
3.4.3利用LIBSVM訓練出預測模型 14
3.5影評摘要階段 14
3.5.1影評產品特色名詞 15
3.5.2影評正面/負面評論詞 16
3.5.3影評摘要句 17
第四章、實驗過程與結果討論 18
4.1交叉測試(Cross Validation) 18
4.2實驗結果 18
4.3實驗討論 19
第五章、結論與展望 20
5.1研究總結 20
5.2未來研究 20
參考文獻 21
[1] Peter D. Turney. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews . Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL), Philadelphia, July 2002, pp. 417-424.
[2] Ana-Maria Popescu and Oren Etzioni. Extracting Product Features and Opinions from Reviews. In proceedings of HLT-EMNLP’2005.
[3] 陳 正 揚. Feature Appraisal for Hotel Comparsion.2006.
[4] Bo Pang and Lillian Lee , Shivakumar Vaithyanathan . Thumbs up? Sentiment Classification using Machine Learning Techniques. Proceedings of EMNLP
2002, pp. 79–86.
[5] Thorsten Joachims . Text Categorization with Support Vector Machines : Learning with Many Relevant Features.1998.
[6] 楊昌樺,高虹安,陳信希. 以部落格語料進行情緒趨勢分析.2007.
[7] 林智仁. http://www.csie.ntu.edu.tw/~cjlin/libsvm/
[8] http://ckipsvr.iis.sinica.edu.tw/
[9] Regina Barzilay , Michael Elhadad. Using Lexical Chains for Text Summarization. In: Mani, Inderjeet and Maybury, Mark T. Advances in automatic text summarization, Cambridge, MA: The MIT Press, pages 111–121.1999.
[10] Hongyan Jing. Sentence Reduction for Automatic Text Summarization.2000.
[11] 關英杰,林鴻飛,楊志豪,趙晶. 關鍵詞密度分佈法在偏眾摘要中的應用研究.中國期刊第33卷16期,人工智能及識別技術.2007.
[12] Yi-Fen Chen, Automatic Concept-Based Answer-Finding System . 2003 .
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top