Web文本挖掘技术理论与应用

随着互联网和通讯网的迅猛发展，网络文本成为信息的主要载体及人们生活中不可或缺的主要信息来源，文本挖掘技术的研究意义和实用价值越来越突出。另一方面，随着Web 2.0时代的到来，出现了越来越多的由用户创作的网络数字内容。用户数字内容的大量产生和传播使得短文本计算、Web文本信息抽取、文本情感分析等逐渐成为Web文本挖掘研究的热点问题。本书从Web文本的信息抽取、聚类、分类、信息检索等技术出发，与读者分享作者多年的研究和开发经验。

何慧，女，华北电力大学（北京）控制与计算机工程学院讲师，加拿大蒙特利尔大学计算机学院访问学者，主要科研领域为机器学习、自然语言处理。

目 录
第1章 概论\t1
1．1 研究的背景和意义\t1
1．2 文本挖掘相关技术概述及研究现状\t2
1．2．1 文本分类概述及研究现状\t3
1．2．2 文本聚类概述及研究现状\t5
1．2．3 信息抽取概述及研究现状\t6
1．2．4 文本检索概述及研究现状\t7
1．3 文本挖掘领域亟待解决的问题\t8
1．4 本书的研究内容与结构安排\t11
参考文献\t13
第2章 基于统计语言模型的短文本计算\t18
2．1 引言\t18
2．2 文本信息处理基础知识\t19
2．2．1 文本的表示\t19
2．2．2 特征选择\t21
2．3 基于N-gram的特征提取和RPCL的短文本聚类算法\t22
2．3．1 相关工作\t23
2．3．2 算法描述\t23
2．3．3 实验及分析\t28
2．4 小结\t31
参考文献\t31
第3章 面向广告推荐和情感分析的Web文本信息抽取\t35
3．1 引言\t35
3．2 信息抽取常用算法和模型\t36
3．2．1 N-gram语言模型\t36
3．2．2 隐马尔可夫模型\t37
3．2．3 最大熵模型\t38
3．3 基于隐马尔科夫模型的半监督中文复合词抽取算法\t41
3．3．1 相关工作\t42
3．3．2 算法描述\t42
3．3．3 实验及分析\t46
3．4 基于最大熵和LMR模板的中文情感词抽取算法\t48
3．4．1 相关工作\t49
3．4．2 算法描述\t50
3．4．3 实验及分析\t51
3．5 小结\t55
参考文献\t55
第4章 基于监督和半监督的文本情感分类\t59
4．1 引言\t59
4．2 常用的监督和半监督文本分类算法\t60
4．2．1 常用文本分类算法\t61
4．2．2 半监督文本分类算法\t63
4．3 文本情感分类的研究现状\t66
4．3．1 主客观分类\t66
4．3．2 情感极性分类\t66
4．4 基于带先验的最大熵歌词情感分类\t68
4．4．1 相关工作\t68
4．4．2 歌词语料集统计信息\t69
4．4．3 算法描述\t71
4．4．4 实验及分析\t74
4．5 基于图的半监督学习文本情感分类算法\t76
4．5．1 算法描述\t77
4．5．2 实验及分析\t79
4．6 小结\t82
参考文献\t82
第5章 文本观点检索研究\t89
5．1 引言\t89
5．2 相关研究\t89
5．3 文本观点检索系统设计与评测\t90
5．3．1 COAE2008观点检索任务、数据及相关评测指标\t91
5．3．2 文本观点检索系统\t92
5．4 小结\t96
参考文献\t96
第6章 总结与展望\t99
6．1 本文的工作总结\t99
6．2 未来的工作展望\t101