| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 情感分类研究现状 | 第15-18页 |
| 1.3.1 基于无监督学习的情感分类方法 | 第16-17页 |
| 1.3.2 基于监督学习的情感分类方法 | 第17页 |
| 1.3.3 基于集成学习的情感分类方法 | 第17-18页 |
| 1.3.4 基于半监督学习的情感分类方法 | 第18页 |
| 1.4 本文的研究工作 | 第18-19页 |
| 1.5 本文的组织结构 | 第19-21页 |
| 第二章 基于监督学习的情感分类 | 第21-42页 |
| 2.1 概述 | 第21-22页 |
| 2.2 文本预处理 | 第22-26页 |
| 2.2.1 繁体与简体转换 | 第22-23页 |
| 2.2.2 分词 | 第23-25页 |
| 2.2.3 去停用词和取词根 | 第25-26页 |
| 2.3 文本表示模型 | 第26-29页 |
| 2.3.1 向量空间模型 | 第26-28页 |
| 2.3.2 布尔模型 | 第28页 |
| 2.3.3 N-gram模型 | 第28-29页 |
| 2.4 文本特征选取 | 第29-33页 |
| 2.4.1 文档频率法 | 第29-30页 |
| 2.4.2 信息增益法 | 第30页 |
| 2.4.3 x~2统计量法 | 第30-32页 |
| 2.4.4 互信息法 | 第32页 |
| 2.4.5 组合特征提取方法 | 第32-33页 |
| 2.5 文本特征计算 | 第33-34页 |
| 2.6 文本分类方法 | 第34-39页 |
| 2.6.1 朴素贝叶斯分类器 | 第34-35页 |
| 2.6.2 基于支持向量机的分类器 | 第35-39页 |
| 2.6.3 基于投票感知器（Voted perceptron）的分类器 | 第39页 |
| 2.7 文本分类评估 | 第39-41页 |
| 2.8 本章小结 | 第41-42页 |
| 第三章 基于集成学习的情感分类方法研究 | 第42-63页 |
| 3.1 集成学习概述 | 第42-50页 |
| 3.1.1 集成分类器的拓扑结构 | 第45-47页 |
| 3.1.2 多分类器的产生 | 第47-48页 |
| 3.1.3 融合算法 | 第48-50页 |
| 3.2 集成学习中的典型算法 | 第50-52页 |
| 3.2.1 Bagging | 第50页 |
| 3.2.2 Boosting | 第50-51页 |
| 3.2.3 Stacking | 第51-52页 |
| 3.2.4 Random Subspace | 第52页 |
| 3.3 基于集成学习的情感分类方法 | 第52-55页 |
| 3.3.1 集成学习在情感分类中的作用 | 第52-53页 |
| 3.3.2 基于集成学习的情感分类方法 | 第53-55页 |
| 3.4 基本猜想 | 第55-57页 |
| 3.5 猜想的实验验证 | 第57-62页 |
| 3.5.1 数据集介绍 | 第57页 |
| 3.5.2 猜想验证 | 第57-62页 |
| 3.6 本章小结 | 第62-63页 |
| 第四章 基于多分类器投票集成的半监督情感分类方法研究 | 第63-79页 |
| 4.1 半监督学习概述 | 第64-65页 |
| 4.2 半监督学习方法中的基本假设 | 第65页 |
| 4.3 经典的半监督学习方法 | 第65-69页 |
| 4.3.1 基于生成式模型的方法 | 第65-66页 |
| 4.3.2 自训练方法 | 第66-67页 |
| 4.3.3 基于低密度划分的方法 | 第67-68页 |
| 4.3.4 基于图的方法 | 第68-69页 |
| 4.4 基于协同训练方法的半监督情感分类 | 第69-73页 |
| 4.4.1 协同训练的理论分析 | 第69-70页 |
| 4.4.2 标准协同训练方法 | 第70-71页 |
| 4.4.3 Tri-training | 第71页 |
| 4.4.4 基于协同训练方法的半监督情感分类一般流程 | 第71-72页 |
| 4.4.5 基于随机特征子空间的半监督情感分类 | 第72-73页 |
| 4.5 基于多分类器投票集成的半监督情感分类算法 | 第73-78页 |
| 4.5.1 基于协同训练方法的半监督情感分类算法面临的困难 | 第73-74页 |
| 4.5.2 基于多分类器投票集成的半监督情感分类算法 | 第74-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第五章 实验结果与分析 | 第79-87页 |
| 5.1 数据集介绍 | 第79页 |
| 5.2 实验结果与分析 | 第79-86页 |
| 5.3 本章小结 | 第86-87页 |
| 第六章 总结与展望 | 第87-89页 |
| 6.1 总结 | 第87-88页 |
| 6.2 展望 | 第88-89页 |
| 参考 文献 | 第89-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间已发表或录用的论文 | 第94-96页 |
