基于半监督递归自编码的情感分类研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 选题的背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 基于情感词典的情感分析 | 第13-14页 |
| 1.2.2 基于机器学习的情感分类 | 第14-15页 |
| 1.2.3 基于深层学习的情感分类研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 情感分类基础 | 第19-26页 |
| 2.1 文本预处理 | 第19-20页 |
| 2.1.1 文本分词 | 第19-20页 |
| 2.1.2 停用词过滤 | 第20页 |
| 2.2 文本表示模型 | 第20-22页 |
| 2.2.1 布尔模型 | 第21页 |
| 2.2.2 向量空间模型 | 第21页 |
| 2.2.3 概率模型 | 第21页 |
| 2.2.4 语言模型 | 第21-22页 |
| 2.3 特征选择 | 第22-23页 |
| 2.3.1 信息增益 | 第22页 |
| 2.3.2 互信息 | 第22-23页 |
| 2.3.3 卡方统计 | 第23页 |
| 2.4 文本分类模型 | 第23-25页 |
| 2.4.1 朴素贝叶斯 | 第23-24页 |
| 2.4.2 支持向量机 | 第24页 |
| 2.4.3 最大熵模型 | 第24-25页 |
| 2.4.4 K最近邻 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于SVM的情感分类 | 第26-37页 |
| 3.1 支持向量机 | 第26-28页 |
| 3.1.1 线性可分支持向量机 | 第27-28页 |
| 3.1.2 非线性可分支持向量机 | 第28页 |
| 3.2 数据准备 | 第28-31页 |
| 3.2.1 数据集来源 | 第28-29页 |
| 3.2.2 数据抽样 | 第29页 |
| 3.2.3 数据预处理 | 第29-30页 |
| 3.2.4 特征选择 | 第30-31页 |
| 3.3 文本表示 | 第31-32页 |
| 3.3.1 文本表示形式 | 第31页 |
| 3.3.2 权值计算 | 第31-32页 |
| 3.4 核函数的确定 | 第32-33页 |
| 3.5 实验与分析 | 第33-35页 |
| 3.5.1 性能评价指标 | 第33-35页 |
| 3.5.2 参数设置 | 第35页 |
| 3.5.3 实验结果分析 | 第35页 |
| 3.6 SVM情感分类模型的优缺点 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 基于半监督RAE的情感分类 | 第37-49页 |
| 4.1 递归自编码 | 第37-42页 |
| 4.1.1 自编码原理 | 第37-38页 |
| 4.1.2 递归自编码方法 | 第38-42页 |
| 4.2 数据准备 | 第42页 |
| 4.3 文本表示 | 第42-44页 |
| 4.3.1 词向量概念 | 第42-43页 |
| 4.3.2 词向量转换 | 第43-44页 |
| 4.4 模型的训练 | 第44-46页 |
| 4.5 实验与分析 | 第46-47页 |
| 4.5.1 参数设置 | 第46页 |
| 4.5.2 实验结果 | 第46-47页 |
| 4.6 半监督RAE情感分类模型的优缺点 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间参与的项目 | 第55页 |
