基于情感字典与机器学习相结合的文本情感分类
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景 | 第8页 |
| ·课题研究的目的及意义 | 第8-9页 |
| ·国内外相关技术发展现状 | 第9-13页 |
| ·文本情感分类的主要研究内容 | 第9-11页 |
| ·文本情感分类的应用现状 | 第11-12页 |
| ·本文研究重点以及需要解决的问题 | 第12-13页 |
| ·本文主要研究内容与组织 | 第13-14页 |
| 第2章 文本情感分类基础知识 | 第14-22页 |
| ·引言 | 第14页 |
| ·相关研究工作 | 第14-18页 |
| ·传统文本分类的研究概览 | 第14-16页 |
| ·基于情感字典的文本情感分类的相关研究 | 第16页 |
| ·基于机器学习的文本情感分类的相关研究 | 第16-18页 |
| ·语言特征抽取 | 第18-20页 |
| ·基于N-Gram 模板的文本特征表示 | 第18-19页 |
| ·语言特征加权和选择 | 第19-20页 |
| ·情感分类模型 | 第20-21页 |
| ·朴素贝叶斯模型 | 第20页 |
| ·支持向量机模型 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 文本情感分类的自监督分类模型 | 第22-32页 |
| ·引言 | 第22页 |
| ·情感分类方法改进简介 | 第22-25页 |
| ·基于字典与基于机器学习方法比较 | 第22-24页 |
| ·情感字典与机器学习相结合 | 第24-25页 |
| ·自监督模型介绍 | 第25-28页 |
| ·第一阶段基于情感字典分类 | 第26-27页 |
| ·第二阶段基于机器学习分类 | 第27-28页 |
| ·DELTA TFIDF 简介 | 第28-31页 |
| ·经典TFIDF 介绍 | 第28页 |
| ·Delta TFIDF 特征加权方式 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 情感分类器的设计与实现 | 第32-36页 |
| ·引言 | 第32页 |
| ·系统总体设计 | 第32-35页 |
| ·基于情感字典分类流程 | 第33-34页 |
| ·基于SVM 学习器的分类流程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 实验结果及分析 | 第36-41页 |
| ·引言 | 第36页 |
| ·实验环境 | 第36-37页 |
| ·文本数据集 | 第36-37页 |
| ·情感字典和否定词字典 | 第37页 |
| ·实验结果一览 | 第37-38页 |
| ·基于SVM 分类器的分类结果 | 第37-38页 |
| ·自监督分类模型实验结果 | 第38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 致谢 | 第47页 |
