| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本文工作 | 第10-11页 |
| 第2章 文献综述 | 第11-19页 |
| 2.1 贝叶斯网络参数学习 | 第11-12页 |
| 2.2 迁移学习 | 第12-16页 |
| 2.3 样本不平衡分类方法 | 第16-19页 |
| 第3章 带权似然函数设计 | 第19-26页 |
| 3.1 基本假设 | 第19-20页 |
| 3.2 模型错误特化 | 第20-21页 |
| 3.3 样本赋权 | 第21-23页 |
| 3.4 带权似然函数 | 第23-26页 |
| 第4章 带权极大似然估计的求解 | 第26-31页 |
| 4.1 解析解推导 | 第26-27页 |
| 4.2 权值计算 | 第27-28页 |
| 4.3 辅助分类器构建 | 第28-29页 |
| 4.4 TL-WMLE算法 | 第29-31页 |
| 第5章 实验 | 第31-37页 |
| 5.1 人工数据集上的实验 | 第31-33页 |
| 5.2 标准数据集上的实验 | 第33页 |
| 5.3 文本情感分类数据集上的实验 | 第33-37页 |
| 第6章 结语 | 第37-38页 |
| 6.1 总结 | 第37页 |
| 6.2 进一步工作 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 发表论文和参加科研情况说明 | 第40-41页 |
| 致谢 | 第41-42页 |