| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 文本分类相关技术基础 | 第17-28页 |
| 2.1 中文分词 | 第17-18页 |
| 2.2 去停用词 | 第18页 |
| 2.3 情感词典 | 第18-19页 |
| 2.4 文本表示 | 第19-20页 |
| 2.5 常用分类算法 | 第20-25页 |
| 2.5.1 SVM算法 | 第21页 |
| 2.5.2 KNN算法 | 第21-23页 |
| 2.5.3 Naive Bayes算法 | 第23-25页 |
| 2.6 文本分类性能评价指标 | 第25-27页 |
| 2.6.1 准确率 | 第25-26页 |
| 2.6.2 召回率 | 第26页 |
| 2.6.3 F值 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 短文本特征扩展方法 | 第28-38页 |
| 3.1 短文本关键字的提取 | 第28-30页 |
| 3.2 网络信息的爬取 | 第30-31页 |
| 3.3 短文本相似度计算方法 | 第31-32页 |
| 3.4 基于图的特征扩展方法 | 第32-36页 |
| 3.5 扩展信息整合 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于Vote-AdaBoost组合投票分类方法 | 第38-48页 |
| 4.1 基于加权投票的组合分类模型 | 第38-40页 |
| 4.1.1 加权投票 | 第38-39页 |
| 4.1.2 权重的训练 | 第39页 |
| 4.1.3 分类器的选择 | 第39-40页 |
| 4.2 AdaBoost方法 | 第40-42页 |
| 4.2.1 集成学习方法 | 第40-41页 |
| 4.2.2 AdaBoost算法流程 | 第41-42页 |
| 4.2.3 AdaBoost的有效性分析 | 第42页 |
| 4.3 Vote-AdaBoost组合分类流程 | 第42-44页 |
| 4.3.1 流程设计 | 第42-43页 |
| 4.3.2 计算流程 | 第43-44页 |
| 4.4 实验与分析 | 第44-47页 |
| 4.4.1 实验设计 | 第44页 |
| 4.4.2 实验结果与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 原型系统的设计与实现 | 第48-55页 |
| 5.1 系统架构与流程 | 第48-51页 |
| 5.1.1 预处理模块 | 第49-50页 |
| 5.1.2 特征扩展模块 | 第50-51页 |
| 5.1.3 情感识别与分类模块 | 第51页 |
| 5.2 应用展示 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间发表的论文目录 | 第62页 |