基于改进特征提取的评论有效性分类模型
摘要 | 第4-5页 |
Abstract | 第5页 |
1 引言 | 第8-12页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 研究内容与技术路线 | 第9-10页 |
1.2.1 研究内容 | 第9-10页 |
1.2.2 技术路线 | 第10页 |
1.3 研究贡献 | 第10-11页 |
1.4 论文结构 | 第11-12页 |
2 评论有效性与文本分类相关研究 | 第12-22页 |
2.1 评论有效性相关研究 | 第12-16页 |
2.1.1 评论有效性的定义 | 第12页 |
2.1.2 评论有效性影响因素及评价方法研究 | 第12-16页 |
2.2 文本分类相关研究 | 第16-22页 |
2.2.1 文本预处理 | 第17-18页 |
2.2.2 特征降维 | 第18-20页 |
2.2.3 文本表示方法 | 第20页 |
2.2.4 文本分类器 | 第20-22页 |
3 评论有效性分类模型 | 第22-26页 |
3.1 基于通用领域词结合评论长度的特征提取方法 | 第22-24页 |
3.1.1 通用领域词 | 第22-23页 |
3.1.2 评论长度 | 第23-24页 |
3.2 样本类别自动标注 | 第24-26页 |
4 评论有效性分类实验过程设计 | 第26-32页 |
4.1 获取数据及基本的预处理 | 第26-27页 |
4.2 特征提取方法 | 第27-29页 |
4.2.1 互信息 | 第27页 |
4.2.2 X~2分布 | 第27-28页 |
4.2.3 信息增益 | 第28-29页 |
4.3 文本表示方法 | 第29页 |
4.4 分类器-支持向量机 | 第29-32页 |
5 实验结果与分析 | 第32-36页 |
5.1 基于自动标注的结果分析 | 第32-33页 |
5.2 特征提取方法对比分析 | 第33-34页 |
5.3 分类器性能分析 | 第34-35页 |
5.4 实验结果小结 | 第35-36页 |
6 结论与展望 | 第36-38页 |
6.1 研究工作总结 | 第36页 |
6.2 展望 | 第36-38页 |
参考文献 | 第38-42页 |
附录 | 第42-43页 |
致谢 | 第43页 |