| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 引言 | 第8-9页 |
| 1.2 选题背景与研究意义 | 第9-11页 |
| 1.2.1 选题背景 | 第9-10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文的研究工作 | 第12-13页 |
| 1.5 本文组织结构 | 第13-15页 |
| 第2章 基于SVM文本情感分类相关理论和技术 | 第15-26页 |
| 2.1 文本情感分类 | 第15-16页 |
| 2.2 支持向量机 | 第16-21页 |
| 2.2.1 支持向量机理论 | 第16-19页 |
| 2.2.2 核函数理论基础 | 第19-20页 |
| 2.2.3 SVM分类的优势 | 第20-21页 |
| 2.3 文本预处理 | 第21-22页 |
| 2.4 特征选择 | 第22-23页 |
| 2.5 文本表示 | 第23-24页 |
| 2.6 特征权重计算 | 第24-25页 |
| 2.7 分类性能评估标准 | 第25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 优化的信息增益在SVM文本情感分类中的应用 | 第26-39页 |
| 3.0 基于SVM文本情感分类流程 | 第26页 |
| 3.1 几种常用的特征选择方法简介 | 第26-29页 |
| 3.1.1 互信息法 | 第27-28页 |
| 3.1.2 CHI统计法 | 第28页 |
| 3.1.3 期望交叉熵 | 第28-29页 |
| 3.2 信息增益方法的优化 | 第29-32页 |
| 3.2.1 传统信息增益方法及不足 | 第29-31页 |
| 3.2.2 信息增益方法的优化 | 第31-32页 |
| 3.3 本文SVM文本情感分类相关算法的选择 | 第32-34页 |
| 3.4 实验验证与分析 | 第34-38页 |
| 3.4.1 实验数据集的准备 | 第34页 |
| 3.4.2 实验过程与结果分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于优化高斯组合核函数的SVM文本情感分类 | 第39-54页 |
| 4.1 SVM核函数及其性质与作用 | 第39-41页 |
| 4.2 SVM组合核函数的构造 | 第41-43页 |
| 4.2.1 单核所存在的问题 | 第41页 |
| 4.2.2 组合核构造原则 | 第41-43页 |
| 4.3 优化的高斯组合核核函数 | 第43-47页 |
| 4.3.1 高斯核函数简介 | 第43-44页 |
| 4.3.2 优化的高斯组合核函数 | 第44-47页 |
| 4.4 实验验证与分析 | 第47-53页 |
| 4.4.1 实验数据集的准备 | 第47页 |
| 4.4.2 实验过程与结果分析 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于优化IG与优化RBF组合核的SVM文本情感分类研究 | 第54-60页 |
| 5.1 优化的SVM文本情感分类模型 | 第54-56页 |
| 5.1.1 SVM在文本情感分类器实际应用过程中的问题 | 第54-55页 |
| 5.1.2 本文SVM文本情感分类模型的设计与实现 | 第55-56页 |
| 5.2 实验环境 | 第56-57页 |
| 5.3 实验验证与分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
