| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 微博研究现状 | 第9页 |
| 1.2.2 微博评论研究现状 | 第9-10页 |
| 1.2.3 微博垃圾评论研究现状 | 第10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第2章 关键技术分析 | 第12-22页 |
| 2.1 情感词汇本体 | 第12页 |
| 2.2 同义词词林相似度计算算法 | 第12-15页 |
| 2.2.1 同义词词林简介 | 第12-13页 |
| 2.2.2 同义词词林编码方法 | 第13-14页 |
| 2.2.3 基于同义词词林的词语相似度计算方法 | 第14-15页 |
| 2.3 AdaBoost算法 | 第15-16页 |
| 2.4 支持向量机(SVM) | 第16-18页 |
| 2.5 协同训练算法 | 第18-21页 |
| 2.5.1 协同训练算法简介 | 第18页 |
| 2.5.2 常见的协同训练算法 | 第18-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 微博数据获取方法 | 第22-32页 |
| 3.1 相关工作 | 第22-24页 |
| 3.1.1 通用网络爬虫的数据获取 | 第22-23页 |
| 3.1.2 基于微博开放平台API的数据获取 | 第23-24页 |
| 3.2 基于cookie与正则表达式的微博数据获取 | 第24-29页 |
| 3.2.1 cookie | 第24-25页 |
| 3.2.2 正则表达式 | 第25页 |
| 3.2.3 基于cookie与正则表达式微博数据获取 | 第25-29页 |
| 3.3 实验结果与分析 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 基于协同训练的微博垃圾评论识别 | 第32-48页 |
| 4.1 方法提出 | 第32页 |
| 4.2 基于协同训练的微博垃圾评论识别方法 | 第32-41页 |
| 4.2.1 系统框架 | 第32-33页 |
| 4.2.2 数据预处理 | 第33-35页 |
| 4.2.3 协同训练算法 | 第35-41页 |
| 4.3 实验结果与分析 | 第41-47页 |
| 4.3.1 实验数据 | 第41页 |
| 4.3.2 实验环境 | 第41-42页 |
| 4.3.3 实验评价指标 | 第42-43页 |
| 4.3.4 实验结果与分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 论文工作总结 | 第48-49页 |
| 5.2 下一步工作展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间的科研成果 | 第53-54页 |
| 致谢 | 第54-55页 |