使用机器学习方法对汉语评论进行情感分类

提要	第1-7页
第1章 绪论	第7-11页
·研究背景及意义	第7-9页
·国内外研究现状	第9-10页
·本文的研究内容和结构安排	第10-11页
第2章 机器学习相关知识	第11-22页
·朴素贝叶斯分类器	第11-14页
·贝叶斯理论	第11-13页
·朴素贝叶斯分类算法	第13-14页
·最大熵模型	第14-18页
·熵	第14-15页
·最大熵	第15-18页
·支持向量机	第18-21页
·线性分类器	第18-20页
·支持向量机	第20-21页
·本章小结	第21-22页
第3章 基于机器学习的情感分类	第22-33页
·相关概念	第22-25页
·评论的结构	第22-23页
·文本特征	第23-24页
·情感分类的种类	第24-25页
·分类器	第25页
·基于断句的单源数据的情感分类	第25-28页
·分类器和特征选取	第26-27页
·基于断句处理的情感分类	第27-28页
·多源数据的情感分类	第28-31页
·跨类型的情感分类	第28-29页
·忽略类型的情感分类	第29-30页
·交叉类型的情感分类	第30-31页
·本章小结	第31-33页
第4章 实验结果与分析	第33-43页
·数据源准备	第33-34页
·单源数据分类实验	第34-38页
·分类器及特征选取实验	第34-36页
·断句对分类效果的影响	第36-37页
·实验结果对比分析	第37-38页
·多源数据分类实验	第38-43页
·跨类型的情感分类实验	第38-39页
·忽略类型的情感分类实验	第39-40页
·交叉类型的情感分类实验	第40-41页
·实验结果对比与分析	第41-43页
第5章 结论与展望	第43-44页
参考文献	第44-47页
攻读硕士学位期间发表的论文和参与的项目	第47-48页
致谢	第48-49页
摘要	第49-51页
Abstract	第51-53页