| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文的组织和安排 | 第13-15页 |
| 2 中文短文本情感分类相关技术 | 第15-26页 |
| 2.1 中文短文本情感分类概论 | 第15页 |
| 2.2 短文本评论预处理 | 第15-17页 |
| 2.2.1 中文分词 | 第16页 |
| 2.2.2 停用词处理 | 第16-17页 |
| 2.2.3 词性标注 | 第17页 |
| 2.3 文本表示模型 | 第17-18页 |
| 2.3.1 布尔模型 | 第18页 |
| 2.3.2 向量空间模型 | 第18页 |
| 2.3.3 概率模型 | 第18页 |
| 2.4 文本特征的选取 | 第18-20页 |
| 2.4.1 互信息法 | 第19页 |
| 2.4.2 信息增益法 | 第19-20页 |
| 2.4.3 χ~2统计法（CHI） | 第20页 |
| 2.5 特征权重计算方法 | 第20-22页 |
| 2.6 分类评估标准 | 第22-23页 |
| 2.7 文本分类器 | 第23-25页 |
| 2.8 本章小结 | 第25-26页 |
| 3 基于情感敏感性词库的跨领域分类算法 | 第26-38页 |
| 3.1 算法描述 | 第26-27页 |
| 3.2 情感敏感性词库 | 第27-30页 |
| 3.2.1 相关概念定义 | 第27-28页 |
| 3.2.2 情感敏感性词库的构建方法 | 第28-30页 |
| 3.3 特征向量扩展 | 第30-31页 |
| 3.4 实验结果和分析 | 第31-37页 |
| 3.4.1 扩展特征数目K对分类算法影响的实验与分析 | 第31-33页 |
| 3.4.2 不同跨领域分类算法的实验对比 | 第33-35页 |
| 3.4.3 训练集的大小对基于SST分类算法的影响 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于集成学习的跨领域分类算法 | 第38-49页 |
| 4.1 集成分类器概述 | 第38-42页 |
| 4.1.1 集成分类器的概念 | 第38-39页 |
| 4.1.2 基分类器的产生方法 | 第39-40页 |
| 4.1.3 集成分类器的典型算法 | 第40-42页 |
| 4.2 集成分类器的设计 | 第42-45页 |
| 4.2.1 基于多分类器投票集成的跨领域情感分类算法 | 第42-44页 |
| 4.2.2 改进的Stacking集成学习算法 | 第44-45页 |
| 4.3 算法实验结果和分析 | 第45-48页 |
| 4.3.1 多分类器投票集成的算法实验分析 | 第45-46页 |
| 4.3.2 改进的Stacking集成学习算法实验与分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 总结和展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55页 |
| A. 作者在攻读学位期间发表的论文目录 | 第55页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第55页 |
