首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于主动学习的情感分类方法研究

中文摘要第1-6页
Abstract第6-11页
第1章 绪论第11-18页
   ·研究背景及意义第11-13页
   ·情感分类的研究现状第13-14页
   ·主动学习的研究现状第14-15页
     ·基于池的主动学习方法第14-15页
     ·基于流的主动学习方法第15页
   ·研究内容第15-16页
   ·组织结构第16-18页
第2章 相关知识介绍第18-26页
   ·文本表示模型第18-19页
   ·基于监督学习的分类算法简介第19-22页
     ·最大熵分类器第19-20页
     ·支持向量机第20-21页
     ·朴素贝叶斯第21-22页
   ·聚类算法第22-24页
     ·聚类定义第22-23页
     ·不同聚类算法第23-24页
   ·K 倍交叉验证第24-25页
   ·本章小结第25-26页
第3章 情感分类中不同主动学习策略比较研究第26-35页
   ·主动学习框架第26-28页
   ·主动学习策略第28-31页
     ·不确定性策略第28-29页
     ·代表性策略第29-30页
     ·差异性策略第30-31页
     ·特征信息量策略第31页
   ·实验结果与分析第31-33页
     ·实验设置第31页
     ·实验分析第31-33页
   ·本章小结第33-35页
第4章 基于样本不平衡的主动学习情感分类方法第35-47页
   ·情感分类中样本不平衡问题第35-36页
   ·不平衡分类的评价标准第36-37页
   ·不平衡语料中的主动学习方法第37-40页
     ·不确定性第37页
     ·确定性第37-38页
     ·协同选择策略第38-39页
     ·多类自动标注的协同选择策略第39-40页
   ·实验结果与分析第40-46页
     ·实验设置第40-41页
     ·实验结果第41-46页
   ·本章小结第46-47页
第5章 基于词和文档联合标注的主动学习方法第47-61页
   ·研究背景和意义第47-48页
   ·基于词与文档共同学习的分类方法第48-49页
   ·基于词与文章协同选择的主动学习第49-52页
     ·单位标注量第49-50页
     ·情感词的选择第50-51页
     ·基于信息量的单词与文章共同排序第51-52页
   ·半监督学习中的主动学习策略第52页
   ·基于二部图模型的半监督方法第52-55页
     ·标签传播(LP)算法第54页
     ·基于词与文档共同标注的二部图模型第54-55页
   ·实验结果与分析第55-59页
     ·基于主动学习策略的实验结果第55-57页
     ·基于半监督策略的实验结果第57-59页
   ·结论第59-61页
第6章 总结与展望第61-63页
   ·研究工作总结第61-62页
   ·下一步工作设想第62-63页
参考文献第63-68页
攻读学位期间公开发表的论文第68页
攻读学位期间参与的科研项目第68-69页
致谢第69-70页

论文共70页,点击 下载论文
上一篇:无线传感器网络中基于分簇的容错机制研究
下一篇:稀松结构物体的边缘检测