基于协同训练的微博情感分类研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 群体计算 | 第12-13页 |
| 1.2.2 情感分类技术 | 第13-14页 |
| 1.2.3 并行化技术 | 第14-15页 |
| 1.3 本论文研究内容及章节安排 | 第15-17页 |
| 1.3.1 本论文研究内容 | 第15页 |
| 1.3.2 本论文章节安排 | 第15-17页 |
| 第2章 微博文本采集与文本预处理设计 | 第17-26页 |
| 2.1 微博文本采集设计 | 第17-22页 |
| 2.1.1 基于微博API的文本采集 | 第17-20页 |
| 2.1.2 基于爬虫的文本采集 | 第20-22页 |
| 2.1.3 实验对比 | 第22页 |
| 2.2 微博文本预处理 | 第22-25页 |
| 2.2.1 分词方法 | 第22-24页 |
| 2.2.2 文本向量表示 | 第24页 |
| 2.2.3 特征权重策略 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于群体计算和协同训练的微博情感分类模型 | 第26-46页 |
| 3.1 协同训练 | 第26-33页 |
| 3.1.1 协同训练的基本假设与有效性 | 第26-27页 |
| 3.1.2 朴素贝叶斯分类算法 | 第27-30页 |
| 3.1.3 SVM分类算法 | 第30-31页 |
| 3.1.4 协同训练设计 | 第31-33页 |
| 3.2 群体计算系统模型的设计与实现 | 第33-41页 |
| 3.2.1 引言 | 第33-34页 |
| 3.2.2 开发工具与语言 | 第34-36页 |
| 3.2.3 引入群体计算的协同训练模型 | 第36-37页 |
| 3.2.4 系统模块设计与实现 | 第37-41页 |
| 3.3 实验和结果分析 | 第41-45页 |
| 3.3.1 实验环境 | 第41页 |
| 3.3.2 实验数据与步骤 | 第41-42页 |
| 3.3.3 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于Spark的协同训练微博情感分类模型 | 第46-65页 |
| 4.1 概述 | 第46-47页 |
| 4.2 Spark计算框架与分布式存储 | 第47-50页 |
| 4.2.1 Spark计算框架 | 第47-49页 |
| 4.2.2 HDFS分布式文件系统 | 第49-50页 |
| 4.3 文本预处理并行化设计 | 第50-53页 |
| 4.3.1 数据读取与分词并行化 | 第50-51页 |
| 4.3.2 文本向量表示并行化 | 第51-53页 |
| 4.4 协同训练分类模型并行化设计 | 第53-58页 |
| 4.4.1 朴素贝叶斯分类模型并行化 | 第53-55页 |
| 4.4.2 SVMWithSGD分类模型 | 第55-56页 |
| 4.4.3 协同训练并行化 | 第56-58页 |
| 4.5 实验和结果分析 | 第58-64页 |
| 4.5.1 实验环境 | 第58-60页 |
| 4.5.2 实验数据 | 第60-61页 |
| 4.5.3 实验结果与分析 | 第61-64页 |
| 4.6 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 结论 | 第65-66页 |
| 进一步工作 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
