| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究背景与意义 | 第13-17页 |
| 1.3 研究问题 | 第17-19页 |
| 1.4 研究内容与创新点 | 第19-21页 |
| 1.5 论文组织结构 | 第21-23页 |
| 第二章 国内外研究概况 | 第23-34页 |
| 2.1 文本分类 | 第23-25页 |
| 2.1.1 文本表示 | 第23-24页 |
| 2.1.2 特征选择 | 第24页 |
| 2.1.3 分类算法 | 第24-25页 |
| 2.2 文本主题分析 | 第25-27页 |
| 2.2.1 传统的主题模型 | 第25-26页 |
| 2.2.2 改进的主题模型 | 第26-27页 |
| 2.3 文本情感分析 | 第27-33页 |
| 2.3.1 基于词典的情感分析方法 | 第27-29页 |
| 2.3.2 基于机器学习的情感分析方法 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于偏向性、情感和主题的联合模型 | 第34-61页 |
| 3.1 问题的提出 | 第34-35页 |
| 3.2 JST模型和Reverse-JST模型 | 第35-37页 |
| 3.3 Gibbs采样 | 第37-38页 |
| 3.4 偏向性的定义 | 第38-39页 |
| 3.5 BST模型的设计 | 第39-49页 |
| 3.5.1 模型描述 | 第39-41页 |
| 3.5.2 生成过程 | 第41-42页 |
| 3.5.3 引入先验知识 | 第42-43页 |
| 3.5.4 模型推理 | 第43-49页 |
| 3.6 实验 | 第49-60页 |
| 3.6.1 实验设计 | 第49-54页 |
| 3.6.2 实验结果与分析 | 第54-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第四章 基于偏向性、情感类别、情感强度和主题的联合模型 | 第61-83页 |
| 4.1 问题的提出 | 第61-62页 |
| 4.2 BSIT模型的设计 | 第62-74页 |
| 4.2.1 模型描述 | 第62-64页 |
| 4.2.2 生成过程 | 第64-65页 |
| 4.2.3 引入先验知识 | 第65-67页 |
| 4.2.4 模型推理 | 第67-74页 |
| 4.3 实验 | 第74-81页 |
| 4.3.1 实验设计 | 第74-77页 |
| 4.3.2 实验结果与分析 | 第77-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第五章 基于通用波利亚罐子模型的Gibbs采样器设计 | 第83-94页 |
| 5.1 问题的提出 | 第83页 |
| 5.2 词向量与通用知识 | 第83-84页 |
| 5.3 波利亚罐子模型 | 第84-86页 |
| 5.4 Gibbs+采样器设计 | 第86-89页 |
| 5.4.1 构建词语-词语关系矩阵 | 第86-87页 |
| 5.4.2 Gibbs+采样 | 第87-89页 |
| 5.5 实验 | 第89-92页 |
| 5.5.1 实验设计 | 第89页 |
| 5.5.2 实验结果与分析 | 第89-92页 |
| 5.6 本章小结 | 第92-94页 |
| 第六章 结论与展望 | 第94-97页 |
| 6.1 结论 | 第94-95页 |
| 6.2 展望 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第107-108页 |
| 作者在攻读硕士学位期间公开发表的专利 | 第108-109页 |
| 作者在攻读硕士学位期间所作的项目 | 第109-110页 |
| 致谢 | 第110页 |