| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究发展现状 | 第12-14页 |
| 1.3 主要工作 | 第14-15页 |
| 1.4 组织结构 | 第15-17页 |
| 第二章 相关理论知识 | 第17-30页 |
| 2.1 文本分类主要流程 | 第17-18页 |
| 2.2 文本预处理 | 第18-19页 |
| 2.2.1 去除语料中的格式标记 | 第18页 |
| 2.2.2 去停用词 | 第18页 |
| 2.2.3 中文分词 | 第18-19页 |
| 2.3 文本特征提取 | 第19-23页 |
| 2.3.1 文档频率 | 第20页 |
| 2.3.2 TF-IDF | 第20-21页 |
| 2.3.3 信息增益 | 第21页 |
| 2.3.4 互信息 | 第21-22页 |
| 2.3.5 卡方校验 | 第22-23页 |
| 2.3.6 Word2Vec模型 | 第23页 |
| 2.4 文本特征表示模型 | 第23-25页 |
| 2.4.1 布尔模型 | 第23-24页 |
| 2.4.2 概率模型 | 第24页 |
| 2.4.3 主题模型 | 第24-25页 |
| 2.4.4 向量空间模型 | 第25页 |
| 2.5 文本分类方法 | 第25-27页 |
| 2.5.1 朴素贝叶斯 | 第25-26页 |
| 2.5.2 K近邻分类 | 第26页 |
| 2.5.3 支持向量机 | 第26-27页 |
| 2.6 分类性能评价指标 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 结合最大化差异和类别贡献度的文本分类方法(MDCC) | 第30-41页 |
| 3.1 基于最大化差异的特征选择方法 | 第30-31页 |
| 3.2 类别贡献度文本特征表示模型 | 第31-32页 |
| 3.3 结合最大化差异和类别贡献度的文本分类方法 | 第32-35页 |
| 3.4 实验结果及分析 | 第35-40页 |
| 3.4.1 评价指标和实验数据集 | 第35页 |
| 3.4.2 对比实验分析 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于多源数据的高校话题评论系统 | 第41-54页 |
| 4.1 系统架构 | 第41-42页 |
| 4.2 系统功能设计 | 第42页 |
| 4.3 系统核心模块 | 第42-49页 |
| 4.3.1 数据采集存储 | 第44-45页 |
| 4.3.2 话题主题分类 | 第45-47页 |
| 4.3.3 评论情感分析 | 第47-48页 |
| 4.3.4 高校话题标签提取 | 第48-49页 |
| 4.4 系统实现 | 第49-53页 |
| 4.4.1 应用展示模块 | 第50-52页 |
| 4.4.2 后台管理模块 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录A 图索引 | 第61-62页 |
| Appendix A Figure Index | 第62-63页 |
| 附录B 表格索引 | 第63-64页 |
| Appendix B Table Index | 第64-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间参与的科研项目 | 第66-67页 |
| 攻读硕士学位期间的成果 | 第67页 |