摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 基于无监督学习的情感分类 | 第11-12页 |
1.2.2 基于有监督学习的情感分类 | 第12-13页 |
1.2.3 基于半监督学习的情感分类 | 第13页 |
1.3 本文主要工作 | 第13-14页 |
1.4 论文组织结构 | 第14-16页 |
第二章 相关理论研究 | 第16-23页 |
2.1 文本表示模型 | 第16-17页 |
2.1.1 布尔模型 | 第16页 |
2.1.2 向量空间模型 | 第16-17页 |
2.2 特征选取 | 第17-18页 |
2.2.1 互信息 | 第17页 |
2.2.2 信息增益 | 第17页 |
2.2.3 CHI方法 | 第17-18页 |
2.3 特征加权 | 第18页 |
2.3.1 词频 | 第18页 |
2.3.2 TF-IDF | 第18页 |
2.4 文本分类器 | 第18-20页 |
2.4.1 Na?veBayes | 第18-19页 |
2.4.2 MaxEnt | 第19页 |
2.4.3 SVM | 第19-20页 |
2.5 常用的半监督学习方法 | 第20页 |
2.5.1 Self-Training算法 | 第20页 |
2.5.2 Co-Training算法 | 第20页 |
2.6 常用的集成学习方法 | 第20-22页 |
2.6.1 Bagging算法 | 第21页 |
2.6.2 Boosting算法 | 第21-22页 |
2.7 本章小结 | 第22-23页 |
第三章 基于EduNet情感词典的评教情感分类方法 | 第23-35页 |
3.1 问题分析 | 第23页 |
3.2 构建评教情感词典 | 第23-32页 |
3.2.1 种子情感词选取方法 | 第23-24页 |
3.2.2 拓展情感词典方法 | 第24-30页 |
3.2.3 构建评教情感词典流程 | 第30-32页 |
3.3 基于EduNet情感词典的评教情感分类方法 | 第32-33页 |
3.4 本章小结 | 第33-35页 |
第四章 基于词向量文本表示模型的评教情感分类方法 | 第35-42页 |
4.1 问题分析 | 第35-36页 |
4.2 词向量 | 第36-37页 |
4.3 基于Word2Vec训练词向量 | 第37-38页 |
4.4 基于词向量相似度的短文本表示模型 | 第38-40页 |
4.5 基于词向量文本表示模型的评教情感分类方法 | 第40页 |
4.6 本章小结 | 第40-42页 |
第五章 基于半监督集成学习的学生评教情感分类模型 | 第42-49页 |
5.1 集成学习理论分析 | 第42-43页 |
5.2 基分类器构建 | 第43页 |
5.3 基分类器融合方法 | 第43-46页 |
5.3.1 常见的基分类器融合方法 | 第43-44页 |
5.3.2 元分类器生成方法 | 第44-46页 |
5.4 半监督集成学习 | 第46-47页 |
5.5 基于半监督集成的学生评教情感分类算法流程设计 | 第47-48页 |
5.6 本章小结 | 第48-49页 |
第六章 实验设计与结果分析 | 第49-60页 |
6.1 实验数据 | 第49-51页 |
6.1.1 实验数据 | 第49-50页 |
6.1.2 数据预处理 | 第50-51页 |
6.2 实验环境及工具 | 第51页 |
6.2.1 硬件设备和编程语言 | 第51页 |
6.2.2 中文分词工具 | 第51页 |
6.2.3 依存句法分析工具 | 第51页 |
6.3 评价指标 | 第51-52页 |
6.4 实验设计及实验结果分析 | 第52-59页 |
6.4.1 不同情感词典对分类的影响 | 第52-54页 |
6.4.2 不同文本表示模型对分类的影响 | 第54-56页 |
6.4.3 不同半监督集成学习方法对分类的影响 | 第56-59页 |
6.5 本章总结 | 第59-60页 |
第七章 总结与展望 | 第60-62页 |
7.1 总结 | 第60页 |
7.2 展望 | 第60-62页 |
参考文献 | 第62-65页 |
攻读硕士学位期间取得的研究成果 | 第65-66页 |
致谢 | 第66-67页 |
附件 | 第67页 |