评价对象-情感词对是情感词及其所修饰的评价对象的组合，评价对象-情感词对的识别是细粒度的情感分析的一个原子任务和关键任务。现有的研究大多集中在商品评论中，随着金融大数据的涌现，金融评论的情感扩散意义凸显。与商品评论不同，中文金融评论中评估对象多个繁多且构成形式复杂，虚指评价对象和隐式评价对象也更常见；情感词的针对金融评论的这些特点，提出了基于浅层语义与语法分析相结合的评价对象-情感词对抽取方法。考虑到金融评论多动词情感词，设计了语义角色标注与依存句法分析相结合的评价对象-情感词对抽取规则，保证了

依存句法是句法分析的一种,相比于短语结构句法分析,依存句法具有更简洁的表达方式。该文采用英文语义角色标注的研究方法,实现了一个基于中文依存句法分析的语义角色标注系统。该系统针对中文依存关系树,采用有效的剪枝算法和特征,使用最大熵分类器进行语义角色的识别和分类。系统使用了两种不同的语料,一种是由标准短语结构句法分析(CTB5.0)转换而来,另一种是CoNLL2009公布的中文语料。系统分别在两种语料的标准谓词和自动谓词的基础上进行实验,在标准谓词上取得的F1值分别为84.30%和81.68%,在自

HanLP：汉语言处理 || || 面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP技术。HanLP实现功能完善，性能高效，架构清晰，语料时新，可自定义的特点。 穿越世界上最大的多语言种语料库，HanLP2.1支持包括简繁中英日俄法德内部的104种语言上的10种联合任务：分词（粗分，细分2个标准，强制，合并，校正3种），词性标注（PKU，863，CTB，UD四套词性规范），命名实体识别（PKU，MSRA，OntoNot