| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 论文主要工作及创新 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第2章 课题相关理论 | 第13-23页 |
| 2.1 文本预处理 | 第13-15页 |
| 2.1.1 中文分词 | 第13-14页 |
| 2.1.2 去停用词 | 第14页 |
| 2.1.3 词性标注&词性过滤 | 第14-15页 |
| 2.2 特征选择 | 第15-16页 |
| 2.3 语言模型&Word2Vec | 第16-17页 |
| 2.3.1 语言模型 | 第16-17页 |
| 2.3.2 Word2Vec | 第17页 |
| 2.4 机器学习分类技术 | 第17-22页 |
| 2.4.1 贝叶斯算法 | 第17-18页 |
| 2.4.2 支持向量机算法 | 第18-20页 |
| 2.4.3 最近邻算法 | 第20-21页 |
| 2.4.4 随机森林算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于词向量与词性的情感分析的关键算法 | 第23-35页 |
| 3.1 基于词向量与词性的情感分析算法 | 第23-25页 |
| 3.1.1 算法流程框架 | 第23-24页 |
| 3.1.2 基于词向量与词性的情感分析的基本思想 | 第24-25页 |
| 3.2 基于词性过滤的数据预处理 | 第25-28页 |
| 3.3 基于TF-IDF与Word2Vec的特征提取算法 | 第28-32页 |
| 3.4 分类 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 实验与分析 | 第35-49页 |
| 4.1 实验环境及数据集描述 | 第35-36页 |
| 4.1.1 实验环境描述 | 第35页 |
| 4.1.2 数据集描述 | 第35-36页 |
| 4.2 实验评价标准 | 第36-37页 |
| 4.3 实验结果及分析 | 第37-46页 |
| 4.3.1 不同分类器对实验效果的影响 | 第37-43页 |
| 4.3.2 不同特征提取方法对实验效果的影响 | 第43-44页 |
| 4.3.3 词性对实验效果的影响 | 第44-46页 |
| 4.4 本章小结 | 第46-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-57页 |
| 发表论文和参加科研情况说明 | 第57-59页 |
| 致谢 | 第59页 |