| 摘要 | 第1-14页 |
| ABSTRACT | 第14-18页 |
| 第1章 绪论 | 第18-28页 |
| ·研究背景 | 第18-19页 |
| ·研究现状 | 第19-22页 |
| ·存在的问题和挑战 | 第22-24页 |
| ·本文工作和创新点 | 第24-26页 |
| ·本文的组织结构 | 第26-28页 |
| 第2章 基础知识及相关研究 | 第28-46页 |
| ·引言 | 第28页 |
| ·基于语义倾向的研究方法 | 第28-34页 |
| ·词性标注 | 第29页 |
| ·情感词识别 | 第29-30页 |
| ·词的语义倾向 | 第30-34页 |
| ·文档的语义倾向 | 第34页 |
| ·基于有指导的机器学习的研究方法 | 第34-42页 |
| ·训练集 | 第34页 |
| ·特征选择 | 第34-38页 |
| ·文本表示 | 第38页 |
| ·文本分类方法 | 第38-40页 |
| ·评价标准 | 第40-42页 |
| ·其他研究方法 | 第42-43页 |
| ·现有研究方法比较 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第3章 文本预处理对情感分类的影响及细粒度情感分类 | 第46-62页 |
| ·引言 | 第46-47页 |
| ·中文文本预处理技术对情感分类的影响 | 第47-57页 |
| ·影响分析 | 第47-49页 |
| ·数据集和评价标准 | 第49-50页 |
| ·实验结果 | 第50-57页 |
| ·细粒度情感分类 | 第57-60页 |
| ·细粒度情感分类分析 | 第57-58页 |
| ·数据集和评价标准 | 第58-59页 |
| ·实验结果 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第4章 基于集成学习的不平衡数据集情感分类方法 | 第62-80页 |
| ·引言 | 第62-67页 |
| ·问题描述 | 第62页 |
| ·不平衡数据集分类问题 | 第62-64页 |
| ·集成学习 | 第64-67页 |
| ·非平衡语料情感分类分析 | 第67-71页 |
| ·情感分类中类不平衡问题 | 第67-68页 |
| ·平衡和非平衡语料情感分类比较 | 第68-71页 |
| ·基于集成学习的不平衡情感数据分类 | 第71-76页 |
| ·基于欠抽样的训练子集生成 | 第73-74页 |
| ·基于bootstrap的重采样 | 第74页 |
| ·随机特征空间选择 | 第74-75页 |
| ·算法描述 | 第75-76页 |
| ·实验结果及分析 | 第76-79页 |
| ·数据集 | 第76-77页 |
| ·比对算法 | 第77页 |
| ·评价标准 | 第77页 |
| ·实验结果及分析 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第5章 基于观点的多文档摘要 | 第80-103页 |
| ·引言 | 第80-84页 |
| ·问题描述 | 第80页 |
| ·相关工作 | 第80-84页 |
| ·Latent Dirichlet Allocation主题模型 | 第84-88页 |
| ·主题模型 | 第84-85页 |
| ·LDA模型 | 第85-88页 |
| ·多文档观点摘要 | 第88-96页 |
| ·算法描述 | 第88-89页 |
| ·模型参数估计 | 第89-92页 |
| ·主题重要度 | 第92页 |
| ·句子重要度 | 第92-95页 |
| ·文摘抽取及冗余处理 | 第95-96页 |
| ·实验 | 第96-102页 |
| ·数据集 | 第96-97页 |
| ·评价指标 | 第97-98页 |
| ·实验结果 | 第98-102页 |
| ·本章小结 | 第102-103页 |
| 第6章 总结与展望 | 第103-106页 |
| ·主要工作总结 | 第103-104页 |
| ·未来工作展望 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 致谢 | 第118-119页 |
| 攻读学位期间发表的学术论文目录 | 第119-120页 |
| 攻读学位期间参与科研项目情况 | 第120-121页 |
| 攻读学位期间获奖情况 | 第121-122页 |
| 学位论文评阅及答辩情况表 | 第122-124页 |
| 外文论文 | 第124-137页 |