| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-33页 |
| ·课题的研究背景和意义 | 第13-15页 |
| ·文本挖掘相关技术概述及研究现状 | 第15-21页 |
| ·文本分类概述及研究现状 | 第15-17页 |
| ·文本聚类概述及研究现状 | 第17-18页 |
| ·信息抽取概述及研究现状 | 第18-20页 |
| ·文本检索概述及研究现状 | 第20-21页 |
| ·文本挖掘领域亟待解决的问题 | 第21-23页 |
| ·本文的工作 | 第23-27页 |
| 参考文献 | 第27-33页 |
| 第二章 基于统计语言模型的短文本计算 | 第33-51页 |
| ·引言 | 第33页 |
| ·文本信息处理基础知识 | 第33-37页 |
| ·文本的表示 | 第34-36页 |
| ·特征选择 | 第36-37页 |
| ·基于N-gram的特征提取和 RPCL的短文本聚类算法 | 第37-47页 |
| ·相关工作 | 第38页 |
| ·算法描述 | 第38-43页 |
| ·实验及分析 | 第43-47页 |
| ·小结 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 第三章 面向广告推荐和情感分析的WEB文本信息抽取 | 第51-77页 |
| ·引言 | 第51-52页 |
| ·信息抽取常用算法和模型 | 第52-57页 |
| ·N-gram语言模型 | 第52-53页 |
| ·隐马尔可夫模型 | 第53-54页 |
| ·最大熵模型 | 第54-57页 |
| ·基于隐马尔科夫模型的半监督中文复合词抽取算法 | 第57-65页 |
| ·相关工作 | 第58-59页 |
| ·算法描述 | 第59-63页 |
| ·实验及分析 | 第63-65页 |
| ·基于最大熵和LMR模板的中文情感词抽取算法 | 第65-72页 |
| ·相关工作 | 第65-66页 |
| ·算法描述 | 第66-67页 |
| ·实验及分析 | 第67-72页 |
| ·小结 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 第四章 基于监督和半监督的文本情感分类 | 第77-109页 |
| ·引言 | 第77-78页 |
| ·常用的监督和半监督文本分类算法 | 第78-84页 |
| ·常用文本分类算法 | 第79-81页 |
| ·半监督文本分类算法 | 第81-84页 |
| ·文本情感分类的研究现状 | 第84-86页 |
| ·主客观分类 | 第84页 |
| ·情感极性分类 | 第84-86页 |
| ·基于带先验的最大熵歌词情感分类 | 第86-95页 |
| ·相关工作 | 第86-87页 |
| ·歌词语料集统计信息 | 第87-90页 |
| ·算法描述 | 第90-93页 |
| ·实验及分析 | 第93-95页 |
| ·基于图的半监督学习文本情感分类算法 | 第95-101页 |
| ·算法描述 | 第95-98页 |
| ·实验及分析 | 第98-101页 |
| ·小结 | 第101-102页 |
| 参考文献 | 第102-109页 |
| 第五章 文本观点检索研究 | 第109-119页 |
| ·引言 | 第109页 |
| ·相关研究 | 第109-110页 |
| ·文本观点检索系统设计与评测 | 第110-116页 |
| ·COAE2008观点检索任务、数据及相关评测指标 | 第111-113页 |
| ·文本观点检索系统 | 第113-116页 |
| ·小结 | 第116-117页 |
| 参考文献 | 第117-119页 |
| 第六章 总结与展望 | 第119-123页 |
| ·本文的工作总结 | 第119-121页 |
| ·未来的工作展望 | 第121-123页 |
| 致谢 | 第123-125页 |
| 攻读博士学位期间发表的论文 | 第125-126页 |
