| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 文本情感分类的研究现状 | 第10-12页 |
| 1.2.2 新词识别的研究现状 | 第12-13页 |
| 1.2.3 图核的研究现状 | 第13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 文本情感分类相关知识 | 第15-25页 |
| 2.1 文本情感分类基本流程 | 第15-16页 |
| 2.2 文本情感分类关键技术 | 第16-20页 |
| 2.2.1 中文分词 | 第16页 |
| 2.2.2 文本表示模型 | 第16-17页 |
| 2.2.3 特征选择 | 第17-19页 |
| 2.2.4 特征权重计算 | 第19-20页 |
| 2.3 常用的机器学习分类器 | 第20-22页 |
| 2.4 文本情感分类的性能评估 | 第22-24页 |
| 2.4.1 性能评估指标 | 第22-23页 |
| 2.4.2 性能评估方法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 核与图核 | 第25-35页 |
| 3.1 核 | 第25-28页 |
| 3.1.1 非线性分类问题 | 第25-26页 |
| 3.1.2 核函数 | 第26页 |
| 3.1.3 核的相关理论 | 第26-28页 |
| 3.2 图核的相关理论 | 第28-33页 |
| 3.2.1 图的相关概念 | 第28-30页 |
| 3.2.2 常见图核 | 第30-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第4章 基于改进Apriori算法的股评新词识别 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 新词识别算法 | 第35-41页 |
| 4.2.1 预处理 | 第35-36页 |
| 4.2.2 基于改进Apriori的频繁字串挖掘算法 | 第36-38页 |
| 4.2.3 新词特征值计算 | 第38-40页 |
| 4.2.4 新词选取 | 第40-41页 |
| 4.3 实验结果及分析 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 基于图核的股评文本情感分类 | 第45-57页 |
| 5.1 股评文本数据集 | 第45-46页 |
| 5.1.1 数据来源 | 第45页 |
| 5.1.2 数据采集 | 第45-46页 |
| 5.2 股评文本预处理 | 第46-48页 |
| 5.2.1 中文分词 | 第46-47页 |
| 5.2.2 停用词剔除 | 第47页 |
| 5.2.3 表情符号处理 | 第47页 |
| 5.2.4 新词识别 | 第47-48页 |
| 5.3 图结构文本表示 | 第48页 |
| 5.4 基于随机通路核的股评文本情感分类算法 | 第48-50页 |
| 5.5 基于间隔通路核的股评文本情感分类算法 | 第50-52页 |
| 5.5.1 间隔通路核定义 | 第50-52页 |
| 5.5.2 间隔通路核实现 | 第52页 |
| 5.5.3 间隔通路核与随机通路核的联系与差异 | 第52页 |
| 5.6 实验结果与分析 | 第52-55页 |
| 5.7 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |