|
基于文本信息的人物性格分析算法的研究与实现 | |
论文目录 | |
| 摘要 | 第1-7页 |
| abstract | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 研究内容 | 第14-15页 |
| 1.3 论文结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 相关算法理论与介绍 | 第17-28页 |
| 2.1 自然语言处理算法 | 第17-19页 |
| 2.1.1 文档分类算法 | 第17-18页 |
| 2.1.2 分词算法 | 第18-19页 |
| 2.2 传统机器学习算法 | 第19-20页 |
| 2.3 人物性格理论 | 第20-22页 |
| 2.4 深度神经网络 | 第22-27页 |
| 2.4.1 Word2vec | 第23-25页 |
| 2.4.2 Doc2vec | 第25-26页 |
| 2.4.3 卷积神经网络 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 人物性格分析算法的总体设计 | 第28-45页 |
| 3.1 人物性格分析算法的设计 | 第28-30页 |
| 3.2 关键人物自动提取 | 第30-31页 |
| 3.2.1 基于词频的关键人物提取 | 第30-31页 |
| 3.2.2 基于共现关系的关键人物提取 | 第31页 |
| 3.3 主要人物相关文本提取 | 第31-37页 |
| 3.3.1 基于命名实体识别的人物文本提取 | 第32-33页 |
| 3.3.2 基于指代消解的人物文本提取 | 第33-37页 |
| 3.4 特征工程 | 第37-38页 |
| 3.4.1 文档向量 | 第37页 |
| 3.4.2 词性向量 | 第37-38页 |
| 3.5 性格得分再处理 | 第38-40页 |
| 3.6 回归预测模型 | 第40-44页 |
| 3.6.1 单维度性格预测模型 | 第40-41页 |
| 3.6.2 多维度性格预测模型 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 人物性格分析算法的训练与预测 | 第45-80页 |
| 4.1 实验数据语料库的选择 | 第45-46页 |
| 4.2 语料库中关键人物的文本获取 | 第46-49页 |
| 4.2.1 提取语料库中的关键人物 | 第46-49页 |
| 4.2.2 获取语料库中关键人物的相关文本 | 第49页 |
| 4.3 获取语料库中关键人物的文本特征工程 | 第49-52页 |
| 4.3.1 获取关键人物文本文档向量 | 第49-50页 |
| 4.3.2 获取人物各条文本词性向量 | 第50-52页 |
| 4.4 语料库中人物性格得分的设定 | 第52-53页 |
| 4.5 人物性格分析算法训练 | 第53-58页 |
| 4.5.1 单一性格维度的算法训练 | 第53-57页 |
| 4.5.2 五大性格维度的算法训练 | 第57-58页 |
| 4.6 人物性格分析算法预测 | 第58-65页 |
| 4.6.1 单一性格维度的模型预测 | 第58-61页 |
| 4.6.2 五大性格维度的模型预测 | 第61-65页 |
| 4.7 实验结果与结论分析 | 第65-69页 |
| 4.7.1 单一性格维度预测结果分析 | 第66-68页 |
| 4.7.2 五大性格维度预测结果分析 | 第68-69页 |
| 4.8 其他人物性格分析 | 第69-74页 |
| 4.9 其他小说的人物性格分析 | 第74-78页 |
| 4.10 结论 | 第78-79页 |
| 4.11 本章小结 | 第79-80页 |
| 第五章 结束语 | 第80-82页 |
| 5.1 论文总结 | 第80-81页 |
| 5.2 下一步计划 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |
本篇论文共86页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 guning** 提供，作者删除入口请点击这里 |