| 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10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本情感分类研究的发展 | 第11-12页 |
| 1.2.2 深度学习在情感分类研究领域的研究现状 | 第12-13页 |
| 1.2.3 组合分类器及stacking方法研究现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关研究综述 | 第17-28页 |
| 2.1 文本情感分类的主要任务 | 第17页 |
| 2.2 传统机器学习模型与SVM | 第17-19页 |
| 2.3 人工神经网络及深度学习相关算法 | 第19-25页 |
| 2.3.1 人工神经网络 | 第19-21页 |
| 2.3.2 卷积神经网络 | 第21-22页 |
| 2.3.3 循环神经网络与长短期记忆模型 | 第22-25页 |
| 2.4 多分类器组合技术 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于stacking组合的文本情感分类研究 | 第28-41页 |
| 3.1 语料库构建 | 第28-31页 |
| 3.2 基于支持向量机的文本情感分类研究 | 第31-36页 |
| 3.2.1 网络语料的特点及应对思路 | 第31-34页 |
| 3.2.2 分词及用户词典构建 | 第34-35页 |
| 3.2.3 特征选择与加权 | 第35-36页 |
| 3.3 基于stacking组合的文本情感分类模型 | 第36-40页 |
| 3.3.1 模型的提出 | 第36-38页 |
| 3.3.2 基分类器 | 第38-39页 |
| 3.3.3 元分类器 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 实验及分析 | 第41-52页 |
| 4.1 评价标准 | 第41-42页 |
| 4.2 基于SVM方法的处理策略及实验分析 | 第42-47页 |
| 4.3 基于stacking方法的实验及性能分析 | 第47-51页 |
| 4.3.1 基分类器分类性能 | 第47-48页 |
| 4.3.2 stacking模型分类性能 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-55页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-65页 |
| 攻读硕士学位期间参加的科研项目与取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
