| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及研究意义 | 第9-10页 |
| 1.2 相关内容研究现状 | 第10-12页 |
| 1.2.1 文本聚类研究的国内外现状 | 第10-11页 |
| 1.2.2 文本倾向性分析技术的国内外现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 文本倾向性相关技术 | 第15-22页 |
| 2.1 垂直元搜索采集技术 | 第15-18页 |
| 2.2 文本预处理 | 第18-20页 |
| 2.2.1 网页去噪 | 第18-19页 |
| 2.2.2 中文分词 | 第19-20页 |
| 2.2.3 去停用词 | 第20页 |
| 2.3 词向量 | 第20-21页 |
| 2.4 本章总结 | 第21-22页 |
| 第三章 概率混合模型及其学习方法 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 概率混合模型的定义 | 第22-24页 |
| 3.3 概率混合模型的参数学习 | 第24-28页 |
| 3.3.1 ML算法 | 第24-26页 |
| 3.3.2 EM算法 | 第26-28页 |
| 3.4 模型选择 | 第28-30页 |
| 3.5 本章总结 | 第30-31页 |
| 第四章 基于无限逆狄利克雷混合模型的变分学习算法 | 第31-46页 |
| 4.1 引言 | 第31-32页 |
| 4.2 无限逆狄利克雷混合过程模型 | 第32-33页 |
| 4.3 INIDMM的变分推理 | 第33-39页 |
| 4.3.1 Dirichlet混合过程 | 第34-35页 |
| 4.3.2 变分Bayesian推理 | 第35-37页 |
| 4.3.3 算法过程 | 第37-39页 |
| 4.4 仿真实验结果及性能分析 | 第39-42页 |
| 4.4.1 实际参数与不同合成数据集的估计参数对比 | 第39-40页 |
| 4.4.2 概率密度 | 第40-41页 |
| 4.4.3 模型选择后的有效分量 | 第41页 |
| 4.4.4 算法的迭代次数和收敛时间 | 第41-42页 |
| 4.5 语料库实验结果及分析 | 第42-45页 |
| 4.5.1 聚类结果准确度实验 | 第42-43页 |
| 4.5.2 F1值比较 | 第43页 |
| 4.5.3 轮廓系数比较 | 第43-45页 |
| 4.6 本章总结 | 第45-46页 |
| 第五章 文本倾向性分析系统的设计与实现 | 第46-58页 |
| 5.1 系统整体设计 | 第46-48页 |
| 5.1.1 系统体系结构设计 | 第46-47页 |
| 5.1.2 系统功能流程 | 第47-48页 |
| 5.1.3 系统模块划分 | 第48页 |
| 5.2 系统功能设计 | 第48-53页 |
| 5.2.1 采集模块 | 第49-50页 |
| 5.2.2 预处理模块 | 第50-53页 |
| 5.2.3 倾向性分析模块 | 第53页 |
| 5.3 系统模块实现 | 第53-56页 |
| 5.3.1 用户登录模块 | 第53-54页 |
| 5.3.2 采集设置模块 | 第54页 |
| 5.3.3 文本采集模块 | 第54-56页 |
| 5.3.4 结果展示模块 | 第56页 |
| 5.4 系统结果及测试分析 | 第56-57页 |
| 5.5 本章总结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 内容总结 | 第58-59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |