| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文工作创新点 | 第13-14页 |
| 1.4 本文的组织架构 | 第14-16页 |
| 第二章 相关理论知识 | 第16-30页 |
| 2.1 文本的情感分析 | 第16-26页 |
| 2.1.1 文本的情感分析概述 | 第16-17页 |
| 2.1.2 基于情感词典的分析方法 | 第17-20页 |
| 2.1.2.1 文本切割转换 | 第17-18页 |
| 2.1.2.2 情感定位 | 第18-19页 |
| 2.1.2.3 情感聚合 | 第19-20页 |
| 2.1.3 基于机器学习的分析方法 | 第20-26页 |
| 2.1.3.1 语料库 | 第21页 |
| 2.1.3.2 特征选择 | 第21-22页 |
| 2.1.3.3 文本表示 | 第22-24页 |
| 2.1.3.4 模型训练 | 第24页 |
| 2.1.3.5 机器学习算法 | 第24-26页 |
| 2.1.3.6 模型评价 | 第26页 |
| 2.2 态势感知方法论 | 第26-29页 |
| 2.2.1 态势感知概述 | 第26-27页 |
| 2.2.2 态势感知模型 | 第27页 |
| 2.2.3 文本情感分析的态势感知模型 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于传统机器学习算法的文本情感分析模型 | 第30-37页 |
| 3.1 基于传统机器学习算法的文本情感分类模型设计 | 第30-33页 |
| 3.2 基于传统机器学习算法的文本情感分类模型训练与实验 | 第33-35页 |
| 3.3 实验结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于单特征集成学习算法的文本情感分析模型 | 第37-40页 |
| 4.1 随机森林介绍 | 第37-38页 |
| 4.2 基于随机森林的文本情感分类模型训练与实验 | 第38-39页 |
| 4.3 实验结果分析 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于多特征多分类器的元集成算法的文本情感分析模型 | 第40-49页 |
| 5.1 多特征多分类器的元集成情感分析模型 | 第40-44页 |
| 5.1.1 基分类器 | 第40-43页 |
| 5.1.1.1 基分类器的产生 | 第40-43页 |
| 5.1.1.2 基分类器的集成构造 | 第43页 |
| 5.1.2 基分类器结果合成 | 第43-44页 |
| 5.2 多特征多分类器的元集成情感分析模型训练与实验 | 第44-47页 |
| 5.3 实验结果分析 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表学术论文目录 | 第56页 |
