情感分析：挖掘觀(guān)點(diǎn)、情感和情緒簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:本書(shū)主要從自然語(yǔ)言處理的角度全面地介紹情感分析這個(gè)主題先進(jìn)的研究技術(shù)和實(shí)用算法，以幫助讀者了解通常用于表達觀(guān)點(diǎn)和情感的問(wèn)題和語(yǔ)言結構的基本結構。它涵蓋了情感分析的所有核心領(lǐng)域，包括許多新興的主題，如辯論分析、意圖挖掘、假民意檢測，并提出了可用來(lái)分析和總結觀(guān)點(diǎn)的計算方法。

作者簡(jiǎn)介:劉兵教授現為伊利諾伊大學(xué)芝加哥分校(UIC)教授，獲愛(ài)丁堡大學(xué)獲得人工智能博士學(xué)位，是Web挖掘研究領(lǐng)域的國際知名專(zhuān)家，在Web內容挖掘、互聯(lián)網(wǎng)觀(guān)點(diǎn)挖掘、數據挖掘等領(lǐng)域有非常高的造詣，先后在國際學(xué)術(shù)期刊與重要國際學(xué)術(shù)會(huì )議(如KDD、WWW、AAAI、SIGIR、ICML、TKDE等)上發(fā)表關(guān)于數據挖掘、Web挖掘和文本挖掘論文100多篇,其中3篇論文單引次數1000以上，著(zhù)有Web Data Mining和Sentiment Analysis and Opinion Mining等多部計算機精選教材；劉兵教授還擔任過(guò)多個(gè)國際期刊的編輯和多個(gè)國際學(xué)術(shù)會(huì )議的程序委員會(huì )主席和委員。他目前擔任ACM SIGKDD的主席，還是IEEE Fellow。

目錄:目　錄
Sentiment Analysis：Mining Opinions，Sentiments，and Emotions

譯者序
前言
致謝
第1章　引言1
　1.1　情感分析應用3
　1.2　情感分析研究6
　　1.2.1　針對不同文本顆粒度的情感分析研究7
　　1.2.2　情感詞典及其問(wèn)題8
　　1.2.3　辯論與評論分析9
　　1.2.4　意圖挖掘9
　　1.2.5　垃圾觀(guān)點(diǎn)檢測與評論質(zhì)量10
　1.3　情感分析是個(gè)迷你自然語(yǔ)言處理任務(wù)11
　1.4　本書(shū)撰寫(xiě)方式11
第2章　什么是情感分析13
　2.1　觀(guān)點(diǎn)定義14
　　2.1.1　觀(guān)點(diǎn)的定義14
　　2.1.2　情感對象15
　　2.1.3　觀(guān)點(diǎn)中的情感16
　　2.1.4　簡(jiǎn)化的觀(guān)點(diǎn)定義17
　　2.1.5　觀(guān)點(diǎn)的理由和限定條件19
　　2.1.6　情感分析的目標和任務(wù)20
　2.2　觀(guān)點(diǎn)摘要定義23
　2.3　感情、情緒與心情24
　　2.3.1　心理學(xué)中的感情、情緒與心情25
　　2.3.2　情感分析中的感情、情緒與心情28
　2.4　觀(guān)點(diǎn)的不同類(lèi)型30
　　2.4.1　常規型觀(guān)點(diǎn)和比較型觀(guān)點(diǎn)31
　　2.4.2　主觀(guān)的和隱含在事實(shí)中的觀(guān)點(diǎn)31
　　2.4.3　第一人稱(chēng)和非第一人稱(chēng)觀(guān)點(diǎn)34
　　2.4.4　元觀(guān)點(diǎn)35
　2.5　作者和讀者視角35
　2.6　小結36
第3章　文檔級情感分類(lèi)37
　3.1　基于監督的情感分類(lèi)38
　　3.1.1　基于機器學(xué)習算法的情感分類(lèi)38
　　3.1.2　使用自定義打分函數的情感分類(lèi)44
　3.2　基于無(wú)監督的情感分類(lèi)45
　　3.2.1　使用句法模板和網(wǎng)頁(yè)檢索的情感分類(lèi)45
　　3.2.2　使用情感詞典的情感分類(lèi)46
　3.3　情感評分預測48
　3.4　跨領(lǐng)域情感分類(lèi)49
　3.5　跨語(yǔ)言情感分類(lèi)51
　3.6　文檔的情緒分類(lèi)52
　3.7　小結53
第4章　句子級主客觀(guān)和情感分類(lèi)54
　4.1　主觀(guān)性55
　4.2　句子級主客觀(guān)分類(lèi)56
　4.3　句子級情感分類(lèi)59
　　4.3.1　句子級情感分類(lèi)的前提假設59
　　4.3.2　分類(lèi)方法60
　4.4　處理條件句61
　4.5　處理諷刺句62
　4.6　跨語(yǔ)言主客觀(guān)分類(lèi)和情感分類(lèi)64
　4.7　在情感分類(lèi)中使用語(yǔ)篇信息65
　4.8　句子級情緒分類(lèi)66
　4.9　討論67
第5章　屬性級情感分類(lèi)68
　5.1　屬性級情感分類(lèi)方法69
　　5.1.1　基于監督學(xué)習的方法69
　　5.1.2　基于詞典的方法70
　　5.1.3　兩種方法的優(yōu)缺點(diǎn)72
　5.2　情感組合規則73
　　5.2.1　情感組合規則概述74
　　5.2.2　情感減弱和情感增強表達81
　　5.2.3　SMALL_OR_LESS和LARGE_OR_MORE表達83
　　5.2.4　情緒和情感強度86
　　5.2.5　情感詞的含義86
　　5.2.6　其他方法概述88
　5.3　否定和情感89
　　5.3.1　否定詞89
　　5.3.2　never92
　　5.3.3　其他常用的情感轉換詞94
　　5.3.4　否定詞移動(dòng)現象94
　　5.3.5　否定范圍95
　5.4　情態(tài)和情感96
　5.5　并列連詞but100
　5.6　非觀(guān)點(diǎn)內容的情感詞102
　5.7　規則表示103
　5.8　詞義消歧和指代消解105
　5.9　小結106
第6章　屬性和實(shí)體抽取108
　6.1　基于頻率的屬性抽取109
　6.2　利用句法關(guān)系110
　　6.2.1　利用觀(guān)點(diǎn)和觀(guān)點(diǎn)評價(jià)對象間的評價(jià)關(guān)系111
　　6.2.2　利用部分整體和屬性關(guān)系116
　6.3　基于監督學(xué)習的屬性抽取118
　　6.3.1　隱馬爾可夫模型118
　　6.3.2　條件隨機場(chǎng)119
　6.4　隱含屬性的映射121
　　6.4.1　基于語(yǔ)料庫的方法121
　　6.4.2　基于詞典的方法122
　6.5　屬性聚類(lèi)124
　6.6　基于主題模型的屬性抽取126
　　6.6.1　隱狄利克雷分配127
　　6.6.2　基于無(wú)監督主題模型進(jìn)行觀(guān)點(diǎn)屬性抽取129
　　6.6.3　在主題模型中加入領(lǐng)域先驗知識133
　　6.6.4　基于終身學(xué)習的主題模型：像人類(lèi)一樣學(xué)習135
　　6.6.5　使用短語(yǔ)作為主題詞138
　6.7　實(shí)體抽取與消解141
　　6.7.1　實(shí)體抽取與消解的問(wèn)題定義142
　　6.7.2　實(shí)體抽取144
　　6.7.3　實(shí)體鏈接145
　　6.7.4　實(shí)體搜索和鏈接147
　6.8　觀(guān)點(diǎn)持有者和觀(guān)點(diǎn)時(shí)間抽取147
　6.9　小結148
第7章　情感詞典構建149
　7.1　基于詞典的方法149
　7.2　基于語(yǔ)料庫的方法152
　　7.2.1　從語(yǔ)料庫中識別情感詞152
　　7.2.2　處理上下文相關(guān)的情感詞153
　　7.2.3　詞典自適應155
　　7.2.4　其他相關(guān)工作156
　7.3　隱含了情感信息（期望或者不期望）的事實(shí)型描述156
　7.4　小結158
第8章　比較型觀(guān)點(diǎn)分析159
　8.1　問(wèn)題定義159
　8.2　比較句識別162
　8.3　比較句中的優(yōu)選實(shí)體集識別163
　8.4　特殊類(lèi)型的比較句164
　　8.4.1　非標準型比較164
　　8.4.2　交叉類(lèi)型的比較166
　　8.4.3　單實(shí)體比較167
　　8.4.4　帶有compare和comparison的句子168
　8.5　實(shí)體與屬性抽取169
　8.6　小結170
第9章　觀(guān)點(diǎn)摘要和檢索172
　9.1　基于屬性的觀(guān)點(diǎn)摘要172
　9.2　基于屬性的觀(guān)點(diǎn)摘要進(jìn)階175
　9.3　可對照的觀(guān)點(diǎn)摘要176
　9.4　傳統摘要177
　9.5　比較型觀(guān)點(diǎn)摘要177
　9.6　觀(guān)點(diǎn)檢索177
　9.7　現有觀(guān)點(diǎn)檢索技術(shù)178
　9.8　小結180
第10章　辯論與評論分析181
　10.1　辯論中的立場(chǎng)識別181
　10.2　對辯論、討論進(jìn)行建模184
　　10.2.1　JTE模型185
　　10.2.2　JTE-R模型：對回復關(guān)系進(jìn)行建模188
　　10.2.3　JTE-P模型：考慮作者之間的交互關(guān)