| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景、目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 多标记文本特征选择 | 第13页 |
| 1.2.2 多标记文本分类方法 | 第13-14页 |
| 1.2.3 评论文本的方面识别与抽取 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 粗糙集理论简介 | 第18-22页 |
| 2.1 基本概念 | 第18-19页 |
| 2.2 模糊粗糙集 | 第19-20页 |
| 2.3 粗糙集应用于多标记文本分类的可行性 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 语料资源构建及常用评价指标 | 第22-30页 |
| 3.1 面向主题分类的多标记网页文本 | 第22页 |
| 3.2 面向观点挖掘的多标记评论文本 | 第22-26页 |
| 3.2.1 问题描述与识别框架 | 第23-24页 |
| 3.2.2 评论文本预处理 | 第24-25页 |
| 3.2.3 多标记评论数据的构建 | 第25-26页 |
| 3.3 多标记分类方法及评价指标 | 第26-28页 |
| 3.3.1 多标记分类方法 | 第26-27页 |
| 3.3.2 多标记评价指标 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第四章 基于稳健模糊粗糙集模型的多标记文本分类 | 第30-38页 |
| 4.1 基于k-mean统计量模糊粗糙集的多标记分类模型 | 第30-33页 |
| 4.1.1 基本思想及步骤 | 第30-32页 |
| 4.1.2 算法描述 | 第32-33页 |
| 4.2 实验结果及分析 | 第33-37页 |
| 4.2.1 实验数据 | 第33-34页 |
| 4.2.2 统计量参数选择 | 第34页 |
| 4.2.3 对比实验 | 第34-36页 |
| 4.2.4 效率分析 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 基于粗糙集的链式专属特征多方面识别 | 第38-46页 |
| 5.1 启发式属性约简方法 | 第38-39页 |
| 5.2 多标记分类器链模型 | 第39-40页 |
| 5.3 基于粗糙集的链式专属特征多方面识别方法 | 第40-41页 |
| 5.4 实验结果及分析 | 第41-44页 |
| 5.4.1 不同聚合策略对分类的影响 | 第42页 |
| 5.4.2 不同分类方法的分类结果比较 | 第42-44页 |
| 5.4.3 每种标记上的方面识别结果 | 第44页 |
| 5.5 本章小结 | 第44-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间取得的研究成果 | 第52-54页 |
| 致谢 | 第54-56页 |
| 个人简况及联系方式 | 第56-60页 |