| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 文本情感分类的研究现状 | 第14-16页 |
| 1.2.2 知识嵌入的情感分类研究现状 | 第16-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 2 相关知识介绍 | 第20-25页 |
| 2.1 文本表示模型 | 第20-21页 |
| 2.1.1 布尔模型 | 第20页 |
| 2.1.2 向量空间模型 | 第20-21页 |
| 2.2 特征权重计算 | 第21页 |
| 2.3 特征选择 | 第21-23页 |
| 2.4 分类器 | 第23-24页 |
| 2.4.1 朴素贝叶斯 | 第23页 |
| 2.4.2 支持向量机 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于知识嵌入的情感分类方法 | 第25-35页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于词性嵌入的特征权重计算方法 | 第26-27页 |
| 3.3 基于情感词嵌入的特征权重计算方法 | 第27-28页 |
| 3.4 情感分类算法设计 | 第28-29页 |
| 3.5 实验及结果分析 | 第29-34页 |
| 3.5.1 实验设置 | 第29页 |
| 3.5.2 数据预处理 | 第29-30页 |
| 3.5.3 实验结果及分析 | 第30-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于词性嵌入的核超限学习机情感分类方法 | 第35-50页 |
| 4.1 引言 | 第35-36页 |
| 4.2 超限学习机 | 第36-37页 |
| 4.3 基于核超限学习机的情感分类 | 第37-39页 |
| 4.3.1 核方法 | 第37-38页 |
| 4.3.2 分类算法 | 第38-39页 |
| 4.4 基于词性嵌入的核超限学习机情感分类 | 第39页 |
| 4.5 实验结果及分析 | 第39-49页 |
| 4.5.1 数据集与预处理 | 第40页 |
| 4.5.2 性能评价 | 第40页 |
| 4.5.3 基于KELM的情感分类的实验结果与分析 | 第40-45页 |
| 4.5.4 基于词性嵌入的KELM情感分类方法实验结果与分析 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 作者简介 | 第57页 |