| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 相关研究概述 | 第12-14页 |
| 1.3 主要工作与组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关技术与理论 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 文本表达方式 | 第16-19页 |
| 2.2.1 向量空间模型 | 第16页 |
| 2.2.2 词向量模型 | 第16-19页 |
| 2.3 特征提取方法 | 第19-21页 |
| 2.3.1 信息增益 | 第19-20页 |
| 2.3.2 TF-IDF | 第20页 |
| 2.3.3 互信息 | 第20-21页 |
| 2.4 分类算法 | 第21-23页 |
| 2.4.1 支持向量机 | 第21-22页 |
| 2.4.2 朴素贝叶斯 | 第22-23页 |
| 2.5 分词工具 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 语料库和词向量模型的构建 | 第24-31页 |
| 3.1 数据处理与语料库构建 | 第24-27页 |
| 3.1.1 维基百科文本数据提取 | 第24-25页 |
| 3.1.2 噪声过滤方法 | 第25-27页 |
| 3.2 词向量模型的训练 | 第27-30页 |
| 3.2.1 训练参数说明 | 第27-28页 |
| 3.2.2 训练参数寻优和词向量模型的构建 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于Word2Vec和N-Gram的短文本情感分类算法的研究与开发 | 第31-40页 |
| 4.1 情感词向量库构建 | 第31-34页 |
| 4.1.1 构造情感词典 | 第31-32页 |
| 4.1.2 构造情感词向量库 | 第32-33页 |
| 4.1.3 情感词向量库的扩展 | 第33-34页 |
| 4.2 Gram向量构造 | 第34-38页 |
| 4.2.1 词序列特征提取方法 | 第34-35页 |
| 4.2.2 特征提取流程 | 第35-37页 |
| 4.2.3 特征模型的训练和分类 | 第37-38页 |
| 4.3 分类器构建 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 算法验证与结果分析 | 第40-46页 |
| 5.1 实验数据 | 第40页 |
| 5.2 实验环境 | 第40-41页 |
| 5.3 结果标准 | 第41页 |
| 5.4 对比实验 | 第41-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第6章 算法应用平台的开发 | 第46-53页 |
| 6.1 杭州情感地图 | 第46-49页 |
| 6.1.1 应用基本内容 | 第46页 |
| 6.1.2 模块与功能介绍 | 第46-49页 |
| 6.2 生态资源分配决策实验平台 | 第49-53页 |
| 第7章 总结与展望 | 第53-55页 |
| 7.1 本文研究内容总结 | 第53-54页 |
| 7.2 研究内容改进与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目和成果 | 第59页 |