微博用户性别识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-21页 |
| 2.1 监督学习分类算法 | 第16-19页 |
| 2.1.1 最大熵分类算法 | 第16-17页 |
| 2.1.2 支持向量机模型 | 第17-18页 |
| 2.1.3 朴素贝叶斯 | 第18-19页 |
| 2.2 集成学习算法 | 第19-21页 |
| 第3章 基于中文微博文本的单用户性别分类方法 | 第21-31页 |
| 3.1 问题描述及相关研究 | 第21-22页 |
| 3.2 语料库描述 | 第22-23页 |
| 3.3 微博用户的性别分类算法 | 第23-26页 |
| 3.3.1 特征分析 | 第23-25页 |
| 3.3.2 分类器融合 | 第25-26页 |
| 3.4 实验结果与分析 | 第26-30页 |
| 3.4.1 实验设置 | 第26页 |
| 3.4.2 实验结果与分析 | 第26-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于交互式文本的交互式性别分类方法 | 第31-44页 |
| 4.1 问题描述及相关研究 | 第31-33页 |
| 4.2 语料收集 | 第33-34页 |
| 4.3 一个两阶段的交互式性别分类方法 | 第34-39页 |
| 4.3.1 第一阶段：标准的四分类方法 | 第35页 |
| 4.3.2 第二阶段：全局优化 | 第35-39页 |
| 4.4 实验设置与结果分析 | 第39-43页 |
| 4.4.1 实验设置 | 第39-41页 |
| 4.4.2 第一阶段方法的实验结果 | 第41-42页 |
| 4.4.3 第二阶段方法的实验结果 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于整数线性规划模型的交互式性别分类方法 | 第44-57页 |
| 5.1 问题描述及相关研究 | 第44-46页 |
| 5.2 语料收集及统计分析 | 第46-47页 |
| 5.3 交互式性别分类 | 第47-52页 |
| 5.3.1 标准的四分类方法 | 第48-49页 |
| 5.3.2 全局优化 | 第49-52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.4.1 实验设置 | 第52-53页 |
| 5.4.2 非联合推理的实验结果 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 下一步工作设想 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间公开发表的论文 | 第62页 |
| 攻读学位期间公开申请的专利 | 第62-63页 |
| 攻读学位期间已授权的软件著作权 | 第63页 |
| 攻读学位期间参与的科研项目 | 第63-64页 |
| 致谢 | 第64-66页 |
