基于不平衡数据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11-21页 |
| ·研究背景和意义 | 第11-12页 |
| ·情感分类研究现状 | 第12-15页 |
| ·基于监督学习的情感分类方法 | 第12-13页 |
| ·基于半监督学习的情感分类方法 | 第13-14页 |
| ·基于无监督学习的情感分类方法 | 第14-15页 |
| ·基于领域适应的情感分类方法 | 第15页 |
| ·不平衡分类研究现状 | 第15-17页 |
| ·研究内容 | 第17-18页 |
| ·组织结构 | 第18-21页 |
| 第2章 相关知识介绍 | 第21-27页 |
| ·基于监督学习的分类算法简介 | 第21-24页 |
| ·最大熵分类器 | 第21-22页 |
| ·支持向量机 | 第22-23页 |
| ·朴素贝叶斯 | 第23-24页 |
| ·集成学习算法 | 第24-27页 |
| ·多分类器的产生 | 第25页 |
| ·分类器的选择 | 第25页 |
| ·融合方法理论框架 | 第25-26页 |
| ·常用的融合算法 | 第26-27页 |
| 第3章 不平衡情感分类问题描述 | 第27-31页 |
| ·情感分类中样本的不平衡分布 | 第27-28页 |
| ·情感分类中特征的不平衡分布 | 第28-29页 |
| ·不平衡分类的评价标准 | 第29-31页 |
| 第4章 基于样本集成学习的不平衡情感分类方法 | 第31-41页 |
| ·基于样本的集成学习 | 第31-32页 |
| ·基于分类器的集成学习 | 第32-33页 |
| ·实验与分析 | 第33-40页 |
| ·实验设置 | 第33-34页 |
| ·常见的不平衡分类方法比较 | 第34-36页 |
| ·基于样本的集成学习 | 第36-39页 |
| ·基于分类算法的集成学习 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于中心向量的不平衡情感分类方法 | 第41-47页 |
| ·基于聚类的欠采样框架 | 第41-43页 |
| ·基于聚类的欠采样 | 第42页 |
| ·类别内部重采样 | 第42-43页 |
| ·基于中心向量的平滑策略 | 第43-44页 |
| ·实验与分析 | 第44-46页 |
| ·实验设置 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第6章 基于半监督学习的不平衡情感分类方法 | 第47-56页 |
| ·随机特征子空间生成 | 第47-48页 |
| ·基于欠采样技术的协同训练 | 第48-50页 |
| ·基于动态随机子空间生成的协同训练 | 第50-51页 |
| ·实验与分析 | 第51-55页 |
| ·实验设置 | 第52页 |
| ·基于半监督学习的不平衡情感分类 | 第52-54页 |
| ·与其他半监督学习方法比较研究 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-59页 |
| ·研究工作总结 | 第56-57页 |
| ·下一步工作设想 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间公开发表的论文 | 第62页 |
| 攻读学位期间参与的科研项目 | 第62-63页 |
| 致谢 | 第63-64页 |
