| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 情感分类研究现状 | 第12-15页 |
| 1.3.1 基于无监督学习的情感分类 | 第12-13页 |
| 1.3.2 基于全监督学习的情感分类 | 第13-14页 |
| 1.3.3 基于半监督学习的情感分类 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 组织结构 | 第16-19页 |
| 第2章 相关知识介绍 | 第19-27页 |
| 2.1 文本表示模型 | 第19-21页 |
| 2.2 最大熵分类模型 | 第21-23页 |
| 2.3 传统自训练算法 | 第23-24页 |
| 2.4 常用集成学习方法 | 第24-26页 |
| 2.5 性能评测指标 | 第26-27页 |
| 第3章 基于随机特征子空间自训练的半监督情感分类方法 | 第27-36页 |
| 3.1 问题描述及相关研究 | 第27-29页 |
| 3.2 文本中客观句与情感句的分布 | 第29-30页 |
| 3.3 基于随机特征子空间的自训练 | 第30-32页 |
| 3.3.1 随机特征子空间表示 | 第30-31页 |
| 3.3.2 最大置信度集成学习方式 | 第31页 |
| 3.3.3 算法流程 | 第31-32页 |
| 3.4 实验与分析 | 第32-35页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 实验结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于标签一致性融合的半监督情感分类方法 | 第36-47页 |
| 4.1 问题描述及相关研究 | 第36-37页 |
| 4.2 标签一致性融合 | 第37-40页 |
| 4.2.1 标签一致性融合降低误标注率的理论分析 | 第37-39页 |
| 4.2.2 标签一致性融合的算法流程 | 第39-40页 |
| 4.3 进行标签一致性融合的半监督学习方法 | 第40-42页 |
| 4.3.1 基于随机特征子空间的协同训练算法 | 第40-41页 |
| 4.3.2 基于二部图的标签传播算法 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-46页 |
| 4.4.1 实验设置 | 第42-43页 |
| 4.4.2 半监督学习方法分类准确率的比较结果 | 第43-45页 |
| 4.4.3 半监督学习方法误标注率的比较结果 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于元分类器及样本过滤的半监督情感分类方法 | 第47-58页 |
| 5.1 问题描述及相关研究 | 第47-48页 |
| 5.2 元分类器生成 | 第48-49页 |
| 5.3 样本过滤 | 第49-50页 |
| 5.4 基于元分类器及样本过滤的集成学习 | 第50-52页 |
| 5.4.1 系统框架及具体步骤 | 第50-51页 |
| 5.4.2 算法流程图 | 第51-52页 |
| 5.5 实验与结果分析 | 第52-57页 |
| 5.5.1 实验设置 | 第52页 |
| 5.5.2 两种半监督学习方法集成学习的对比试验 | 第52-54页 |
| 5.5.3 多种半监督学习方法集成学习的对比试验 | 第54-56页 |
| 5.5.4 样本过滤规模的实验分析与研究 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 下一步工作设想 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表的论文及科研项目 | 第65-67页 |
| 攻读学位期间发表的论文 | 第65页 |
| 攻读学位期间申请的专利 | 第65-66页 |
| 攻读学位期间参与的科研项目 | 第66-67页 |
| 致谢 | 第67-69页 |