| 内容摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究的背景与研究的意义 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-11页 |
| ·国内外发展现状 | 第11-16页 |
| ·本文的研究内容和方法 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第2章 情感分析关键技术概述 | 第18-36页 |
| ·机器学习与分类技术概述 | 第18-26页 |
| ·全监督学习 | 第19-24页 |
| ·无监督学习 | 第24-25页 |
| ·半监督学习 | 第25-26页 |
| ·情感分析技术概述 | 第26-36页 |
| ·文本预处理 | 第29-30页 |
| ·主观句识别 | 第30页 |
| ·特征选择 | 第30-34页 |
| ·训练分类器 | 第34页 |
| ·分类性能评估 | 第34-36页 |
| 第3章 半监督学习方法 | 第36-44页 |
| ·半监督学习方法理论介绍 | 第36-37页 |
| ·半监督学习方法的基本算法 | 第37-44页 |
| ·EM算法 | 第37页 |
| ·协同训练(Co-Training) | 第37-38页 |
| ·直推式支持向量机((Transductive Support Vector Machines,TSVM) | 第38-42页 |
| ·半监督学习方法性能测试 | 第42-44页 |
| 第4章 基于主动学习策略的TSVM算法 | 第44-53页 |
| ·主动学习思想的引入 | 第44-45页 |
| ·基于主动学习策略的TSVM算法 | 第45-51页 |
| ·基于主动学习策略的TSVM算法的性能评估 | 第51-53页 |
| 第5章 系统设计与实现 | 第53-60页 |
| ·系统结构设计 | 第53-54页 |
| ·系统具体实现 | 第54-56页 |
| ·素材收集 | 第54页 |
| ·文本预处理 | 第54-55页 |
| ·主观句识别 | 第55-56页 |
| ·特征抽取和权重计算 | 第56页 |
| ·处理流程 | 第56页 |
| ·实验结果与分析 | 第56-60页 |
| 第6章 小结 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·下一步工作及展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 后记 | 第65页 |