| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 文本聚类研究现状 | 第9-10页 |
| 1.2.2 情感倾向分类研究现状 | 第10-11页 |
| 1.3 论文主要工作 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 相关技术理论 | 第13-23页 |
| 2.1 聚类技术 | 第13-16页 |
| 2.1.1 聚类技术概述 | 第13页 |
| 2.1.2 基本聚类算法 | 第13-15页 |
| 2.1.3 基于概率模型的聚类 | 第15-16页 |
| 2.2 文本情感分类 | 第16-19页 |
| 2.2.1 文本情感分类的概念与意义 | 第16-17页 |
| 2.2.2 文本情感分类的主要方法 | 第17-18页 |
| 2.2.3 多项式朴素贝叶斯模型 | 第18-19页 |
| 2.3 实时评论概述 | 第19-23页 |
| 2.3.1 实时评论的定义 | 第19-20页 |
| 2.3.2 实时评论的表示方法 | 第20-21页 |
| 2.3.3 实时评论的特征 | 第21-23页 |
| 第三章 实时评论情感倾向聚类的概率模型 | 第23-35页 |
| 3.1 实时评论的情感倾向聚类 | 第23-24页 |
| 3.1.1 实时评论情感倾向聚类的特点 | 第23页 |
| 3.1.2 概率模型的引入 | 第23-24页 |
| 3.2 量子谐振子模型 | 第24-28页 |
| 3.2.1 量子谐振子物理模型 | 第24-26页 |
| 3.2.2 多尺度量子谐振子高维函数全局优化算法 | 第26-28页 |
| 3.2.3 量子谐振子模型在聚类中的应用 | 第28页 |
| 3.3 基于量子谐振子模型的情感倾向聚类算法 | 第28-35页 |
| 3.3.1 时间轴投影与区间化 | 第28-30页 |
| 3.3.2 SOCA-QHOM原理分析 | 第30-33页 |
| 3.3.3 SOCA-QHOM算法描述 | 第33-35页 |
| 第四章 基于改进贝叶斯模型的实时评论情感分类方法 | 第35-44页 |
| 4.1 情感倾向聚类用于实时评论情感分类的可行性分析 | 第35页 |
| 4.2 改进的贝叶斯分类模型 | 第35-37页 |
| 4.2.1 使用情感倾向优化先验概率 | 第35-37页 |
| 4.2.2 构建迭代矫正的循环贝叶斯模型 | 第37页 |
| 4.3 基于情感倾向聚类的矫正贝叶斯算法 | 第37-44页 |
| 4.3.1 MBA-SOC原理分析 | 第38-39页 |
| 4.3.2 MBA-SOC的过度矫正问题 | 第39-41页 |
| 4.3.3 MBA-SOC算法描述 | 第41-44页 |
| 第五章 实验与分析 | 第44-54页 |
| 5.1 实验设计 | 第44-45页 |
| 5.1.1 实验环境 | 第44页 |
| 5.1.2 实验数据预处理 | 第44-45页 |
| 5.2 SOCA-QHOM实验分析 | 第45-48页 |
| 5.2.1 实验参数选取 | 第45-47页 |
| 5.2.2 情感倾向聚类实验 | 第47-48页 |
| 5.3 MBA-SOC实验分析 | 第48-54页 |
| 5.3.1 实验参数选取 | 第48-50页 |
| 5.3.2 MBA-SOC的对比验证 | 第50-52页 |
| 5.3.3 MBA-SOC的适用性分析 | 第52-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 作者在读期间科研成果简介 | 第61-62页 |
| 致谢 | 第62页 |