基于Pawlak属性重要度的混合情感特征选择算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状 | 第11-16页 |
| ·论文主要工作 | 第16-17页 |
| ·论文研究内容与组织结构 | 第17-19页 |
| 第二章 情感分析技术研究 | 第19-33页 |
| ·情感分析的任务描述： | 第19-20页 |
| ·基于词汇语义倾向的研究方法 | 第20-23页 |
| ·基于字典的语义倾向计算 | 第21-23页 |
| ·基于有指导的机器学习的研究方法 | 第23-28页 |
| ·数据集处理 | 第23-24页 |
| ·特征选择 | 第24-28页 |
| ·文本分类器 | 第28-31页 |
| ·朴素贝叶斯分类器（NB） | 第28-30页 |
| ·支持向量机（SVM） | 第30-31页 |
| ·评价标准 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 粗糙集理论 | 第33-39页 |
| ·粗糙集理论 | 第33-37页 |
| ·粗糙集理论知识 | 第33-37页 |
| ·小结 | 第37-39页 |
| 第四章 基于粗糙集理论的情感特征选择方法 | 第39-49页 |
| ·基于粗糙集理论的特征选择算法 | 第39-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·实验数据 | 第44-45页 |
| ·实验平台 | 第45页 |
| ·实验结果与分析 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第五章 情感分类算法研究 | 第49-59页 |
| ·分类算法 | 第49-54页 |
| ·梯度提升决策树算法（GBDT） | 第49-50页 |
| ·岭回归分类模型(Ridge) | 第50-52页 |
| ·随机梯度下降（SGD） | 第52-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·实验一：研究引入的分类算法对情感分析的影响 | 第54-55页 |
| ·实验二：不同分类算法随样本量升高的算法执行效率 | 第55-56页 |
| ·实验三：研究不同模型组合对情感分析的影响 | 第56-57页 |
| ·小结 | 第57-59页 |
| 第六章 应用实例 | 第59-63页 |
| ·实验结果与分析 | 第59-63页 |
| ·实验数据 | 第59-60页 |
| ·实验方法 | 第60-61页 |
| ·实验结果与分析 | 第61-63页 |
| 第七章 结语 | 第63-65页 |
| ·本文工作总结 | 第63页 |
| ·未来工作展望 | 第63-65页 |
| 参考文献 | 第65-75页 |
| 致谢 | 第75-76页 |
| 本人在读期间完成的研究成果 | 第76页 |
