不文明微博帖的自动识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 选题来源 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 第二章 相关研究综述 | 第17-28页 |
| 2.1 文本分类基本方法 | 第17-21页 |
| 2.1.1 朴素贝叶斯分类 | 第17-18页 |
| 2.1.2 决策树分类 | 第18-19页 |
| 2.1.3 支持向量机 | 第19-21页 |
| 2.2 统计语言模型 | 第21-25页 |
| 2.2.1 上下文无关模型 | 第21-22页 |
| 2.2.2 N-gram模型 | 第22-23页 |
| 2.2.3 隐马尔可夫模型 | 第23-24页 |
| 2.2.4 最大熵模型 | 第24-25页 |
| 2.3 中文分词方法 | 第25-27页 |
| 2.3.1 基于规则的方法 | 第25-27页 |
| 2.3.2 基于统计的方法 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 不文明微博语料库的构建 | 第28-41页 |
| 3.1 微博数据提取 | 第28-33页 |
| 3.1.1 用户种子提取 | 第28-31页 |
| 3.1.2 用户数据下载 | 第31-33页 |
| 3.2 语料筛选 | 第33-37页 |
| 3.2.1 语料分析 | 第34-35页 |
| 3.2.2 不文明种子词表的构建 | 第35-36页 |
| 3.2.3 语料过滤 | 第36-37页 |
| 3.3 语料存储 | 第37-40页 |
| 3.3.1 数据解析 | 第37-39页 |
| 3.3.2 索引式存储 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 不文明微博帖自动识别系统 | 第41-63页 |
| 4.1 基于朴素贝叶斯的分类模型 | 第41-50页 |
| 4.1.1 朴素贝叶斯分类的可行性分析 | 第41-43页 |
| 4.1.2 基于Bigram的文本切分与特征选取 | 第43-47页 |
| 4.1.3 训练集的动态构建 | 第47-49页 |
| 4.1.4 模型的训练和使用 | 第49-50页 |
| 4.2 不文明用语分类实验 | 第50-58页 |
| 4.2.1 人工标注 | 第51-53页 |
| 4.2.2 分类器训练 | 第53-54页 |
| 4.2.3 实验与结果分析 | 第54-58页 |
| 4.3 不文明缩写识别模型 | 第58-60页 |
| 4.3.1 不文明缩写识别方法 | 第58-59页 |
| 4.3.2 实验结果分析 | 第59-60页 |
| 4.4 不文明微博自动识别系统的应用 | 第60-62页 |
| 4.4.1 用户个体分析 | 第60-61页 |
| 4.4.2 语言趋势分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间参与的科研项目与发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
