| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的主要内容 | 第14-16页 |
| 第2章 文本情感分类相关技术 | 第16-23页 |
| 2.1 文本预处理技术 | 第16-17页 |
| 2.1.1 中文文本分词 | 第16页 |
| 2.1.2 文本去除冗余信息 | 第16-17页 |
| 2.2 文本表示模型 | 第17-18页 |
| 2.2.1 布尔模型 | 第17页 |
| 2.2.2 向量空间模型 | 第17-18页 |
| 2.3 文本的特征选择 | 第18-19页 |
| 2.3.1 文档频率 | 第18页 |
| 2.3.2 互信息 | 第18页 |
| 2.3.3 信息增益 | 第18-19页 |
| 2.3.4 卡方检验 | 第19页 |
| 2.4 文本情感分类方法 | 第19-21页 |
| 2.4.1 基于语义规则的情感分析技术 | 第20页 |
| 2.4.2 基于有监督机器学习的情感分析方法 | 第20-21页 |
| 2.5 文本情感分类评估方法 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 文本情感分类框架介绍和预处理 | 第23-32页 |
| 3.1 文本情感分类框架介绍 | 第23-24页 |
| 3.2 文本选择 | 第24-25页 |
| 3.3 文本预处理 | 第25-31页 |
| 3.3.1 分词 | 第25-26页 |
| 3.3.2 去除停用词 | 第26-28页 |
| 3.3.3 文本—词频表示 | 第28-30页 |
| 3.3.4 向量空间表示 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 融合情感词典的特征选择方法研究 | 第32-50页 |
| 4.1 信息增益算法介绍 | 第32-33页 |
| 4.2 改进的信息增益算法 | 第33-34页 |
| 4.2.1 类内词频分布 | 第33页 |
| 4.2.2 不平衡数据集 | 第33-34页 |
| 4.3 融合情感词典的文本情感分类特征选择 | 第34-42页 |
| 4.3.1 融合情感词典的文本情感分类特征选择介绍 | 第34-36页 |
| 4.3.2 情感词典介绍 | 第36页 |
| 4.3.3 结合情感词典的特征选择方法 | 第36-39页 |
| 4.3.4 结合情感词赋权重的特征选择方法 | 第39-42页 |
| 4.4 实验与结果分析 | 第42-49页 |
| 4.4.1 实验环境设置 | 第42页 |
| 4.4.2 改进的信息增益算法和原始算法对比实验 | 第42-44页 |
| 4.4.3 结合情感词典的特征选择方法和原始算法对比实验 | 第44-47页 |
| 4.4.4 结合情感词赋权重的特征选择方法和原始算法对比实验 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 文本情感分类中SVM的优化 | 第50-69页 |
| 5.1 支持向量机分类原理 | 第50-55页 |
| 5.1.1 线性可分 | 第51-53页 |
| 5.1.2 线性不可分 | 第53页 |
| 5.1.3 支持向量机核函数 | 第53-55页 |
| 5.2 支持向量机参数选择与优化 | 第55-65页 |
| 5.2.1 网格搜索算法 | 第56-57页 |
| 5.2.2 遗传算法 | 第57-58页 |
| 5.2.3 粒子群算法 | 第58-59页 |
| 5.2.4 三种参数寻优算法实验对比结果与分析 | 第59-65页 |
| 5.3 混合核函数 | 第65-68页 |
| 5.3.1 混合核函数的构造 | 第65-66页 |
| 5.3.2 混合核函数合理性 | 第66页 |
| 5.3.3 实验对比 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
