| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-36页 |
| ·课题背景及意义 | 第15-16页 |
| ·相关技术及研究现状 | 第16-31页 |
| ·体裁分类 | 第16-18页 |
| ·情感分析 | 第18-30页 |
| ·文本分析技术在金融领域的应用 | 第30-31页 |
| ·本文的研究内容 | 第31-34页 |
| ·本文的内容安排 | 第34-36页 |
| 第2章 金融文本体裁分类方法研究 | 第36-50页 |
| ·引言 | 第36-37页 |
| ·体裁分类 | 第37-38页 |
| ·问题描述 | 第37页 |
| ·金融文本的体裁 | 第37-38页 |
| ·体裁分类的特征 | 第38-42页 |
| ·基于似然比检验的特征选择 | 第38-40页 |
| ·结构特征选取 | 第40-42页 |
| ·分类方法 | 第42-45页 |
| ·朴素贝叶斯 | 第42-44页 |
| ·支持向量机 | 第44-45页 |
| ·实验验证与结果分析 | 第45-48页 |
| ·实验设置 | 第45页 |
| ·实验结果和分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第3章 基于语言模型的金融新闻文本情感分类 | 第50-62页 |
| ·引言 | 第50-51页 |
| ·基于语言模型的金融新闻情感分类 | 第51-55页 |
| ·方法概述 | 第51-52页 |
| ·基于贝叶斯语言模型的金融新闻情感分类 | 第52-53页 |
| ·基于相似度语言模型的金融新闻情感分类 | 第53-54页 |
| ·语言模型的估计和平滑技术 | 第54-55页 |
| ·金融新闻情感分类语料库构建 | 第55-56页 |
| ·利用股评构建训练语料库 | 第55-56页 |
| ·测试新闻语料库构建 | 第56页 |
| ·实验验证与结果分析 | 第56-61页 |
| ·实验设置 | 第57页 |
| ·实验结果 | 第57-60页 |
| ·实验分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 基于迁移学习的跨语言情感分析 | 第62-79页 |
| ·引言 | 第62-63页 |
| ·跨语言情感分析迁移学习算法 | 第63-68页 |
| ·TrAdaBoost算法 | 第64-66页 |
| ·Bagging和Boosting相结合的迁移学习算法 | 第66-67页 |
| ·迁移自学习算法 | 第67-68页 |
| ·情感分类器的设计 | 第68-70页 |
| ·观点句的识别 | 第69页 |
| ·评论的情感分类 | 第69-70页 |
| ·实验验证与结果分析 | 第70-77页 |
| ·实验设置 | 第70-71页 |
| ·实验结果和讨论 | 第71-77页 |
| ·本章小结 | 第77-79页 |
| 第5章 基于学习排序的金融信息检索 | 第79-103页 |
| ·引言 | 第79-80页 |
| ·相关性和检索模型 | 第80-82页 |
| ·对象级别的金融信息检索 | 第82-88页 |
| ·金融信息检索相关性模型 | 第83页 |
| ·特征集合 | 第83-86页 |
| ·实验验证与结果分析 | 第86-88页 |
| ·基于单类分类模型的金融行业信息检索和推荐 | 第88-99页 |
| ·单类行业信息检索和推荐模型 | 第89-92页 |
| ·行业描述词的选择 | 第92-93页 |
| ·实验验证与结果分析 | 第93-99页 |
| ·专业金融信息检索系统 | 第99-102页 |
| ·金融信息检索系统特点 | 第99-100页 |
| ·系统架构和核心技术 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-106页 |
| 参考文献 | 第106-121页 |
| 攻读博士学位期间发表的学术论文及其它成果 | 第121-124页 |
| 致谢 | 第124-126页 |
| 个人简历 | 第126页 |