0942152116-彭灿《嵌入式系统及应用》大作业模版.docx

0尔敏斯华冷例ANHlIXINHUAUZlVERSlTY嵌入式系统及应用（大作业）（题目：基于S3CC400的嵌入式Web服务器BOa移植）姓名：彭灿学号：0942152116专业：院系：电子通信工程学院指导老师：完成时间：2013年10月8日基于看法挖掘的中文词汇语义倾向性分析摘要近年来随着互联网的快速发展，网络已经成为人们表达民意的重要场所，网络评论也已经成为政府和企业等单位了解民意和消费者需求倾向的一个重要途径，网民言论将对政府在内的各类社会组织发挥前所未有的影响力。通过对这类网络评论进行分析，政府可以了解网民对公众事务的看法，企业可以依据评论改进产品质量和服务。如何处理这些信息从中得到他们想要的内容，在近年来得到了很多的关注和探讨。其中情感分析就是随之兴起的一个探讨领域，可以应用到信息过滤、产品举荐和用户爱好发掘等方面。本文针对基于看法挖掘的中文词汇语义倾向性分析主要做了以下工作：(1)主要介绍看法挖掘的相关概念，并对目前的国内外探讨现状做了一个深度的介绍。(2)介绍目前词汇语义倾向性计算中比较常用的两种算法，分别对它们的优缺点进行分析。(3)介绍自己的探讨方法和相关过程。本文主要针对热点新闻事务中的评论数据进行收集，然后利用中科院分词软件TCTC1.AS对收集到的评论数据进行分词，将它们看成一段段的短文本，抽取其中的关键词(一般以形容词、副词居多),与事先打算好的情感语料库进行对比，提出语义倾向相像度的概念，通过对PMl算法和HowNet算法计算词语的倾向性的优缺点进行分析，提出一种改进的基于看法挖掘的中文词汇语义倾向性分析方法。从而为相关部门针对这些问题实施新的政策供应更好的决策支持。关键词：看法挖掘；情感倾向性；文本倾向性分析；情感分析BasedOnAnalysisOfChinese1.exicalSemanticTendentiousnessOpinionMiningABSTRACTWiththerapiddevelopmentofthenetwork,Internethasbecomeanimportantplacewherepeoplecouldexpresstheiropinions.Internetcommentingalsobecameavitalmethodwherethegovernmentandenterprisesgetpeople'sopinionsandcustomers,needtendencywhichwillmakegreatandimmeasurableimpactsonthegovernmentandallkindsofsocialorganizations.Thegovernmentcangettoknownetizens,viewofpublicaffairs,andenterprisescanadjustandpromotetheirproductsqualityandafterservicesthroughtheanalysisofcommentspostedonline.Inrecentyears,moreandmoreresearcheshavefocusedonthetopicabouthowtofilerandselectinformationtheyneed.Andemotionanalysisisoneofthoseresearcheswhichcouldbeappliedininformationfiltering,productsrecommending,userinterestdevelopingandmanyotheraspects.ThispaperisaresearchconcentratingontheanalyzingofthetendencyofChinesewordsbasedoncommentdiscovering.Thepaperismainlyabout:1. Basicconceptsaboutcommentdiscovering,andadeepintroductionaboutrelatedresearchesbothfromChinaandforeigncountries.2. Anintroductiontotwobasiccalculatingmethodsinpresentcalculationsofwordstendency,andtheanalysisofadvantagesanddisadvantagesofthesetwomethods.3. Anintroductiontothemethodandprocessofmyownresearch.Thispapermainlyfocusesondatacollectedfromhotcurrenteventscomments,whichwillbeanalyzedwithTCTC1.ASsoftwarefromChineseAcademyofSciencesandputthemintoshorttexts.Itwillselectsomeofthekeywords(mostlyadjectivesandadverbs),makeacomparisonwiththewordsfromemotionlexiconpreviouslypreparedandcomeupwithasimilarconcepttowordtendency.AndthroughtheanalysisofadvantagesanddisadvantageswiththehelpofPMIandHowNet,itwillgetamoreadvancedmethodtotheanalyzingofwordstendencybasedoncommentdiscovering,sothatitcanproviderelevantofficeswithbettersupportandsolutionstoproblemsfromthelaunchingofnewpolicies.Keywords:Commentdiscovering;Emotiontendency;Analysisoftexttendency;Amotionanalysis1绪论错误!未定义书签。第一章ARM体系结构介绍错误!未定义书签。1.1ARMcore描述错误!未定义书签。1.2编程模型介绍错误!未定义书签。1.2.1ARM处理器模式错误!未定义书签。1. 2.2ARM寄存器组介绍错误!未定义书签。ARM存储系统错误!未定义书签。其次章Bootloader的概念错误!未定义书签。2. 1Bootloader的基本概念错误!未定义书签。2. 2Bootloader的操作模式错误!未定义书签。第三章Bootloader的设计与实现错误!未定义书签。2.1 课题探讨的平台环境错误!未定义书签。硬件平台错误!未定义书签。软件环境以及软件开发工具错误!未定义书签。3. 2Bootloader的总体设计错误!未定义书签。阶段设计错误!未定义书签。地址规划设计错误!未定义书签。模式设计错误!未定义书签。3. 3Bootloader的具体实现错误!未定义书签。阶段1的代码实现错误!未定义书签。阶段2的代码实现错误!未定义书签。代码的编译错误!未定义书签。目标文件的链接与转换错误!未定义书签。第四章试验结果与测评错误!未定义书签。3.1 试验结果错误!未定义书签。基本功能的实现结果错误!未定义书签。扩展功能的实现结果错误!未定义书签。第五章总结与展望错误!未定义书签。致谢错误!未定义书签。1绪论11.1 选题背景和探讨意义21.2 国内外看法挖掘探讨现状31.3 本文主要探讨内容41.4 本文的主要结构52看法挖掘及其相关探讨方法62.1 看法挖掘与情感分析62.1.1 看法挖掘62.1.2 情感分析62.2 相关探讨方法介绍62.2.1 PMI算法72.2.2 HowNet的算法83数据的预处理及语义倾向相像度探讨方法93.1 数据的预处理93.2 评价对象的抽取93.3 方法的原理和流程93.3.1 词汇的表示和选择103.3.2 语义倾向相像度的描述和计算11333词汇语义倾向识别方法134试验及结果分析154.1 对试验数据的分析154.2 试验结果比较164.3 情感词典的建设175结论19致谢20参考文献21附录241绪论随着互联网的快速发展和普及，网络已成为人们日常生活、学习和消遣的重要组成部分。互联网包含了各种专业学问和商务信息的新闻报道、各种类别各种形式的信息，为用户供应了一个极有价值的信息来源。然而在面对网络中如此错综困难的信息时，人工处理这些数据量将花费大量的时间和精力，所以我们须要在多种智能信息处理方法的帮助下，自动从大量数据中挖掘有价值的信息。情感分析主要是针对用户评论中的主观性文本自动获得有价值的看法信息，是一个特别具有前景的探讨方向。情感分析技术可被广泛应用于多种自然语言处理问题中,如：问答系统、信息抽取系统等。同时，情感分析也产生了很多有挑战性的相关子方向。例如:文本主客观分析，旨在识别文本单元的主客观性；情感分类，旨在识别主观文本单元是褒义、中性还是贬义等。本文致力于探讨评论性的情感句中的评价对象选取以及组成情感句的短文本的倾向性推断任务。该任务可分为两个主要阶段：（1）如何提取这些情感句中的评价对象；（2）如何判别组成情感句的这些短文本的情感倾向性。例如：对于某一评论“这款手机的待机时间很长，但是功能太少。系统首先提取出评论中的评价对象（如：“待机时间”和“功能”），然后结合修饰评价对象的评价词语（如：长，少），通过与现有的情感语料库进行对比，给出两个评价对象的相应情感倾向性，即“待机时间，长”一“电池寿命，褒义”，“功能，少”一“功能，贬义二关于评价对象的获得，已有的方法大致可以归为两类：一种是对类似于像新浪微博这类的探讨对象要抽取里面关于某条微博中的全部评论，可以采纳申请API的方法来获得全部评论数据；另一种则是对像新浪新闻这类的新闻类网站的评论，我们主要采纳手工获得，即把全部用户的评论数据通过人工的方式采集起来，放到一起组成一个试验资料库。人工获得的缺点在于须要大量人力，且可移植性较差；自动获得的缺点在于只是针对特定的内容（如新浪微博、腾讯微博这类可以申请API的）才可以用到。鉴于本文选取的探讨对象是新浪新闻其中的某一条，评论数据量不大，所以我们获得数据的方式主要采纳人工获得。目前关于评价对象的倾向性推断主要包括有指导和无指导这两类方法。有指导方法主要是Kim和Hovy运用词、位置以及情感词三类特征来对情感句进行分类；赵军等人运用CRF和冗余标签对句子序列进行情感倾向性标注，有指导方法的缺陷在于须要人工标注大量语料，不利于领域切换。无指导方法目前主要是基于句法规则的方法，这类方法的优点在于能够精确的描述情感词和评价对象之间的修饰关系，缺点在于各种修饰关系须要人工统计，导致召回率不高。MinqingHu和Bing1.iu基于句子的情感词以及上下文信息来判定倾向性，但他们的方法主要处理英文，系统中的部分技术无法干脆向中文移植，同时有以下两类问题没有很好的解决，一是句子中褒、贬情感词数目相同，二是含有上下文相关情感词的句子。鉴于以上方法的不足，本文运用无指导方法进行评价对象抽取和倾向性分析。在