| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 文本情感分类的应用背景 | 第11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 本文研究工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 基于半监督的文本情感分类方法 | 第15-23页 |
| 2.1 半监督学习算法框架 | 第15-16页 |
| 2.2 特征选择 | 第16-17页 |
| 2.2.1 基于TF-IDF的特征选择 | 第16页 |
| 2.2.2 基于改进的Fisher判别准则的特征选择 | 第16-17页 |
| 2.3 分类器选择 | 第17-18页 |
| 2.3.1 SVM分类器 | 第17页 |
| 2.3.2 最大熵分类器 | 第17-18页 |
| 2.3.3 集成分类器 | 第18页 |
| 2.4 基于自训练方法的分类算法的建立 | 第18-19页 |
| 2.5 基于主动学习的分类算法的建立 | 第19-21页 |
| 2.5.1 选择函数 | 第19-20页 |
| 2.5.2 基于主动学习的文本情感分类算法 | 第20-21页 |
| 2.5.3 基于自训练/主动学习的SVM和ME分类器的集成 | 第21页 |
| 2.6 本章小结 | 第21-23页 |
| 第三章 情感分类平台设计与分析 | 第23-31页 |
| 3.1 平台的设计框架 | 第23-24页 |
| 3.2 平台核心功能的关键问题 | 第24-28页 |
| 3.2.1 数据预处理 | 第24-25页 |
| 3.2.2 数据向量化过程 | 第25-26页 |
| 3.2.3 特征选择的方法 | 第26-27页 |
| 3.2.4 扩充训练集 | 第27页 |
| 3.2.5 分类过程中并行计算 | 第27页 |
| 3.2.6 文本情感分类器的设计 | 第27页 |
| 3.2.7 文本情感分类的性能评价指标 | 第27-28页 |
| 3.3 UML类图 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 基于半监督情感分类平台的实现 | 第31-41页 |
| 4.1 系统的功能界面 | 第31-32页 |
| 4.2 文本的存储 | 第32-33页 |
| 4.3 平台功能 | 第33-40页 |
| 4.3.1 数据预处理功能 | 第33-36页 |
| 4.3.2 特征选择功能 | 第36-37页 |
| 4.3.3 基于有监督的文本情感分类功能 | 第37页 |
| 4.3.4 基于自训练学习的文本情感分类 | 第37-38页 |
| 4.3.5 基于主动学习的文本情感分类功能 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 结论与展望 | 第41-43页 |
| 5.1 结论 | 第41-42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 攻读学位期间取得的研究成果 | 第47-49页 |
| 致谢 | 第49-51页 |
| 个人简介 | 第51-55页 |