| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 Web文本分类算法及相关技术 | 第14-23页 |
| ·Web文本分类 | 第14-19页 |
| ·Web文本分类概述 | 第14页 |
| ·Web文本分类过程 | 第14-19页 |
| ·N-gram信息提取与PCA降维 | 第19-22页 |
| ·N-gram信息提取 | 第20-21页 |
| ·PCA降维 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 微影评文本自动爬取 | 第23-32页 |
| ·数据来源 | 第23页 |
| ·网页自动爬取 | 第23-26页 |
| ·网页URL定位 | 第23-24页 |
| ·HTML分析与处理 | 第24-26页 |
| ·微影评自动抽取 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于集成概率推理模型的分类算法与实验分析 | 第32-49页 |
| ·对照组算法简介 | 第32-35页 |
| ·基于词典的情感倾向性识别算法 | 第32-34页 |
| ·基于多项式贝叶斯模型的情感倾向性识别算法 | 第34-35页 |
| ·基于集成概率推理模型的情感倾向性识别算法 | 第35-39页 |
| ·集成概率推理模型分类算法框架 | 第35-36页 |
| ·概率推理模型 | 第36-37页 |
| ·集成概率推理模型 | 第37-39页 |
| ·基于集成概率推理模型的情感倾向性识别算法实验结果分析 | 第39-45页 |
| ·实验数据集 | 第39-40页 |
| ·实验参数设置 | 第40-42页 |
| ·实验结果分析 | 第42-45页 |
| ·Ens-PRM情感倾向性识别算法在教学评价领域运用 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的学术论文与取得的其他研究成果 | 第54-55页 |
| 致谢 | 第55页 |