| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义及应用领域 | 第10-11页 |
| 1.3 研究现状 | 第11-14页 |
| 1.3.1 三支决策理论研究现状 | 第11-13页 |
| 1.3.2 微博文本情感分类研究现状 | 第13-14页 |
| 1.4 研究思路 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第二章 三支决策理论和微博情感分类相关技术 | 第16-29页 |
| 2.1 三支决策理论 | 第16-19页 |
| 2.1.1 决策粗糙集理论 | 第16-18页 |
| 2.1.2 三支决策阈值解释 | 第18-19页 |
| 2.2 文本情感分类的流程 | 第19页 |
| 2.3 语料库的构建 | 第19-21页 |
| 2.4 微博文本的预处理 | 第21-24页 |
| 2.4.1 微博文本分词 | 第21-23页 |
| 2.4.2 停用词和特殊符号的过滤 | 第23-24页 |
| 2.5 文本表示模型 | 第24-25页 |
| 2.5.1 向量空间模型(VSM) | 第24页 |
| 2.5.2 布尔模型 | 第24-25页 |
| 2.5.3 概率模型 | 第25页 |
| 2.6 微博情感词典的构建 | 第25-28页 |
| 2.6.1 情感词典相关介绍 | 第25-26页 |
| 2.6.2 微博情感词倾向性判断 | 第26-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 基于Z-score的微博文本情感特征选择方法 | 第29-44页 |
| 3.1 特征提取方法 | 第29-34页 |
| 3.1.1 特征选择方法 | 第29-31页 |
| 3.1.2 一种改进的CHI特征选择方法 | 第31-32页 |
| 3.1.3 特征权重计算方法 | 第32-33页 |
| 3.1.4 一种改进的TF-IDF特征权重计算方法 | 第33-34页 |
| 3.2 基于Z-score的微博文本情感特征选择方法 | 第34-36页 |
| 3.2.1 Z-score介绍 | 第34页 |
| 3.2.2 基于Z-score的微博文本情感特征选择方法 | 第34-36页 |
| 3.3 基于KNN的微博文本情感分类算法 | 第36-37页 |
| 3.4 微博情感分类的评估指标 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-43页 |
| 3.5.1 实验环境和数据 | 第38-39页 |
| 3.5.2 实验结果和实验分析 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于三支决策的半监督微博文本情感分类 | 第44-55页 |
| 4.1 三支决策分类器设计及评价标准 | 第44-48页 |
| 4.1.1 主观微博文本的三支决策解释 | 第44-45页 |
| 4.1.2 NB分类算法 | 第45-46页 |
| 4.1.3 NB三支决策分类器设计 | 第46-47页 |
| 4.1.4 三支决策分类器的评估指标 | 第47页 |
| 4.1.5 三支决策阈值求法 | 第47-48页 |
| 4.2 基于NB三支决策分类器的R-self-training算法 | 第48-50页 |
| 4.2.1 半监督学习方法概述 | 第48-49页 |
| 4.2.2 基于NB三支决策分类器的R-self-training算法 | 第49-50页 |
| 4.2.3 R-self-training算法中训练度阈值的设置 | 第50页 |
| 4.3 实验与分析 | 第50-54页 |
| 4.3.1 R-self-training算法中迭代次数N的确定实验 | 第50-51页 |
| 4.3.2 专家知识的三支决策阈值实验 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间主要的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
