| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与研究意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 潜在客户识别 | 第16-18页 |
| 1.2.2 用户生成内容 | 第18-19页 |
| 1.2.3 文本分类算法 | 第19-20页 |
| 1.3 研究内容与章节安排 | 第20-23页 |
| 第二章 相关研究理论与方法 | 第23-30页 |
| 2.1 文本处理相关方法 | 第23-24页 |
| 2.1.1 中文分词 | 第23-24页 |
| 2.1.2 去停用词 | 第24页 |
| 2.1.3 空间向量模型 | 第24页 |
| 2.2 文本特征提取与选择 | 第24-25页 |
| 2.2.1 特征提取 | 第24-25页 |
| 2.2.2 特征选择 | 第25页 |
| 2.3 分类算法 | 第25-29页 |
| 2.3.1 单分类算法 | 第25-27页 |
| 2.3.2 集成学习分类算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于用户生成内容的潜在客户识别框架构建 | 第30-36页 |
| 3.1 用户生成内容对潜在客户识别的影响 | 第30-31页 |
| 3.2 基于用户生成内容的潜在客户识别框架 | 第31-33页 |
| 3.3 基于用户生成内容的潜在客户识别关键任务 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 潜在客户识别有效特征集构建 | 第36-43页 |
| 4.1 潜在客户识别特征提取 | 第36-38页 |
| 4.2 潜在客户识别特征选择 | 第38-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 面向不均衡数据集的Stacking分类算法构建 | 第43-48页 |
| 5.1 Stacking集成学习分类算法 | 第43-44页 |
| 5.2 面向不均衡数据集的Stacking分类算法构建 | 第44-46页 |
| 5.3 面向不均衡数据集的Stacking分类算法实现 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 实验设计与结果分析 | 第48-53页 |
| 6.1 实验数据采集 | 第48页 |
| 6.2 专家标注与数据预处理 | 第48页 |
| 6.3 实验设计与评估指标 | 第48-50页 |
| 6.4 实验结果与分析 | 第50-52页 |
| 6.5 本章小结 | 第52-53页 |
| 第七章 结论与展望 | 第53-55页 |
| 7.1 本文结论 | 第53页 |
| 7.2 未来展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-61页 |
