| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题来源 | 第12页 |
| 1.2 研究背景及意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 基于词典的情感分析方法研究现状 | 第14-15页 |
| 1.3.2 基于机器学习的情感分析方法研究现状 | 第15-17页 |
| 1.4 本文的主要工作 | 第17页 |
| 1.5 本文章节安排 | 第17-19页 |
| 第2章 相关理论与技术 | 第19-36页 |
| 2.1 情感分析 | 第19-24页 |
| 2.1.1 情感分析方法 | 第19-22页 |
| 2.1.2 情感分析流程 | 第22-23页 |
| 2.1.3 情感分析衡量指标 | 第23-24页 |
| 2.2 数据预处理 | 第24-28页 |
| 2.2.1 中文分词 | 第24-26页 |
| 2.2.2 文本特征选择方法 | 第26-28页 |
| 2.3 文本的分布式表示相关技术 | 第28-31页 |
| 2.3.1 Word2Vec技术 | 第28-30页 |
| 2.3.2 Doc2Vec篙技术 | 第30-31页 |
| 2.4 迁移学习 | 第31-35页 |
| 2.4.1 迁移学习类型 | 第31-33页 |
| 2.4.2 迁移学习方法 | 第33-34页 |
| 2.4.3 迁移学习应用研究 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于改进的Adaboost和高斯过程迁移学习的情感分析方法 | 第36-47页 |
| 3.1 引言 | 第36-37页 |
| 3.2 相关工作 | 第37-38页 |
| 3.3 算法描述 | 第38-44页 |
| 3.3.1 改进的Adaboost方法 | 第39-41页 |
| 3.3.2 基于高斯过程的非对称迁移学习方法 | 第41-43页 |
| 3.3.3 基于改进的Adboost和高斯过程迁移学习的情感分析方法 | 第43-44页 |
| 3.4 实验结果及分析 | 第44-45页 |
| 3.4.1 实验数据设置 | 第44-45页 |
| 3.4.2 实验结果对比分析 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 基于Kmeans和在线迁移学习的情感分析方法 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.3 算法描述 | 第49-54页 |
| 4.3.1 基于Kmeans的特征选择方法 | 第50-51页 |
| 4.3.2 在线迁移学习方法 | 第51-53页 |
| 4.3.3 基于Kmeans和在线迁移学习的情感分析方法 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-58页 |
| 4.4.1 实验数据设置 | 第54-55页 |
| 4.4.2 实验结果对比及分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-62页 |
| 参考文献 | 第62-70页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第70-71页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第71-72页 |
| 致谢 | 第72页 |
