面向社交媒体的观点分析技术研究

　　《面向社交媒体的观点分析技术研究》是河南平顶山学院熊蜀峰博士主持的2019年度教育部人文社科项目“面向信息处理的汉语文本情感结构的描写机制与资源建设研究”的结项成果，属于中文信息处理和计算机深度学习方面的前沿交叉课题。书稿认为观点分析是对人们发表的关于实体、事件及属性的观点、评价和情绪的可计算化研究。此领域的研究起源于观点极性分类和主观性分类，即将其作为一个文本分类问题。《面向社交媒体的观点分析技术研究》针对目前的应用需求和存在的研究难点和问题，对面向社交媒体的观点分析中的若干子问题进行了深入研究，在此基础上，书稿提出利用词典资源和距离监督信息来学习情感词嵌入，使用学习到的词嵌入能够提高上层观点分析分类器的性能。书稿结构严谨，写作规范，对相关研究人员有参考价值。

　　熊蜀峰，男，博士，副教授，平顶山学院学术技术带头人、社交媒体分析团队负责人、郑州大学在站博士后、英国University of Warwick访问学者，曾获得国家留学基金委、河南省高等学校青年骨干教师资助。主要学术研究方向是自然语言处理、深度学习技术。近五年先后主持教育部人文社科基金项目1项、河南省科技计划1项、河南省教育厅重点项目2项。在计算机学会推荐人工智能领域著名会议期刊发表多篇论文，其中SCI检索论文7篇，EI检索论文4篇。荣获河南省自然科学学术奖论文一等奖1项、市厅级奖项多项，申请多项专利及软件著作权，受邀担任KBS等6个领域知名国际SCI期刊审稿人、中国中文信息学会青年工作委员会委员。

第1章 绪论
1．1 研究背景和意义
1．2 研究进展
1．3 研究内容
1．4 本章小结
第2章 面向产品评论分析的短文本情感主题模型
2．1 引言
2．2 相关研究介绍
2．3 情感主题模型
2．4 实验及分析
2．5 本章小结
第3章 利用有约束K-Means聚类进行评价目标短语分组
3．1 引言
3．2 相关研究介绍
3．3 灵活约束的K-Means算法
3．4 实验
3．5 本章小结
第4章 基于深度度量学习方法的评价目标短语分组
4．1 引言
4．2 相关研究介绍
4．3 深度距离度量学习方法
4．4 实验评估
4．5 本章小结
第5章 基于超图排序算法的观点文本摘要
5．1 引言
5．2 相关研究介绍
5．3 提出的摘要框架
5．4 实验分析
5．5 本章小结
第6章 面向Twitter观点分类的情感增强词嵌入学习方法
6．1 引言
6．2 相关研究介绍
6．3 面向Twitter观点分类的多级别情感增强词嵌入
6．4 实验评估
6．5 本章小结
第7章 总结与展望
7．1 总结
7．2 展望
参考文献