首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

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

论文共43页,点击 下载论文
上一篇:凝胶图像的蛋白点特征分析及多特征协同匹配
下一篇:视频中扇贝图像的检测与定位研究