| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 文本情感分类研究意义及目的 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-19页 |
| 1.2.3 文本情感信息分类的数据资源与评测 | 第19页 |
| 1.3 本文结构和内容安排 | 第19-20页 |
| 第2章 文本情感分类相关知识 | 第20-32页 |
| 2.1 文本的表示 | 第20-25页 |
| 2.1.1 N-GRAM模型表示 | 第20-22页 |
| 2.1.2 向量空间模型VSM | 第22-25页 |
| 2.2 分类算法 | 第25-31页 |
| 2.2.1 支持向量机 | 第25-28页 |
| 2.2.2 贝叶斯分类器(NB) | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 蚁群挖掘算法与RBF神经网络相结合的分类算法 | 第32-41页 |
| 3.1 径向基函数(RBF)神经网络 | 第32-35页 |
| 3.1.1 基本概念 | 第32-34页 |
| 3.1.2 K均值聚类中心选择法 | 第34-35页 |
| 3.2 AM-RBF神经网络算法 | 第35-40页 |
| 3.2.1 蚁群挖掘算法 | 第35-37页 |
| 3.2.2 AM-RBF神经网络文本情感分类算法 | 第37-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 实验结果与分析 | 第41-53页 |
| 4.1 实验数据处理 | 第41-44页 |
| 4.1.1 实验数据语料库 | 第41页 |
| 4.1.2 文本数据预处理 | 第41-42页 |
| 4.1.3 采用向量空间模型表示情感文本 | 第42-44页 |
| 4.2 实验结果 | 第44-50页 |
| 4.2.1 向量空间模型实验结果 | 第44-46页 |
| 4.2.2 文本情感分类试验结果 | 第46-50页 |
| 4.3 实验结果分析 | 第50-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |