基于神经网络的文本倾向性分类研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文研究重点 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 数据获取及预处理 | 第19-27页 |
| 2.1 数据获取 | 第19-21页 |
| 2.1.1 中文语料库现状 | 第19-20页 |
| 2.1.2 数据采集与存储 | 第20-21页 |
| 2.2 数据预处理 | 第21-26页 |
| 2.2.1 数据处理 | 第21-22页 |
| 2.2.2 词典构建 | 第22-23页 |
| 2.2.3 文本分词 | 第23-25页 |
| 2.2.4 文本过滤 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 文本表示及特征抽取 | 第27-35页 |
| 3.1 文本表示 | 第27-32页 |
| 3.1.1 常用的文本表示方法 | 第27-28页 |
| 3.1.2 本文文本表示 | 第28-32页 |
| 3.2 特征抽取 | 第32-34页 |
| 3.2.1 常用的特征抽取方法 | 第32-34页 |
| 3.2.2 本文特征抽取 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 分类模型构建及实现 | 第35-45页 |
| 4.1 文本分类常用模型 | 第35-38页 |
| 4.1.1 朴素贝叶斯 | 第35-36页 |
| 4.1.2 支持向量机 | 第36页 |
| 4.1.3 神经网络 | 第36-38页 |
| 4.2 BP神经网络 | 第38-40页 |
| 4.2.1 BP神经网络思想 | 第38-39页 |
| 4.2.2 BP神经网络函数 | 第39-40页 |
| 4.3 分类模型设计 | 第40-41页 |
| 4.4 分类模型实现 | 第41-44页 |
| 4.4.1 数据准备 | 第41-43页 |
| 4.4.2 模型实现 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 实验结果分析 | 第45-51页 |
| 5.1 评价指标 | 第45-46页 |
| 5.2 实验结果 | 第46-50页 |
| 5.3 实验结果分析与总结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 进一步研究 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的学术成果 | 第57页 |
