| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 相关理论和技术 | 第15-24页 |
| 2.1 文本预处理技术 | 第15-20页 |
| 2.1.1 分词 | 第15页 |
| 2.1.2 词性标注 | 第15-16页 |
| 2.1.3 去停用词 | 第16页 |
| 2.1.4 特征提取 | 第16-18页 |
| 2.1.5 特征选择 | 第18-20页 |
| 2.1.6 向量化 | 第20页 |
| 2.2 文本分类算法 | 第20-23页 |
| 2.2.1 决策树分类算法 | 第20-22页 |
| 2.2.2 随机森林分类算法 | 第22页 |
| 2.2.3 梯度提升决策树分类算法 | 第22-23页 |
| 2.3 并行计算框架Spark | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于语义特征和深度学习的情感分类 | 第24-43页 |
| 3.1 基于语义特征和深度学习的情感分类方法 | 第24-25页 |
| 3.2 文本预处理 | 第25-27页 |
| 3.3 基于Word2vec提取语义特征 | 第27-32页 |
| 3.3.1 Word2vec模型 | 第27-30页 |
| 3.3.2 提取语义特征 | 第30-32页 |
| 3.4 基于多层感知神经网络的情感分类 | 第32-35页 |
| 3.4.1 多层感知神经网络分类算法 | 第32-33页 |
| 3.4.2 情感分类 | 第33-35页 |
| 3.5 实验结果与分析 | 第35-41页 |
| 3.5.1 实验平台 | 第35页 |
| 3.5.2 数据集 | 第35页 |
| 3.5.3 评价指标 | 第35-36页 |
| 3.5.4 实验设置 | 第36页 |
| 3.5.5 实验分析 | 第36-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 基于特征融合和模型融合的情感分类 | 第43-53页 |
| 4.1 基于特征融合和模型融合的情感分类方法 | 第43-44页 |
| 4.2 基于词汇特征和语义特征的特征融合 | 第44-46页 |
| 4.2.1 特征融合原理 | 第44-45页 |
| 4.2.2 特征融合方法 | 第45-46页 |
| 4.3 基于多层感知神经网络和梯度提升决策树的模型融合 | 第46-48页 |
| 4.3.1 模型融合原理 | 第46-47页 |
| 4.3.2 模型融合方法 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-52页 |
| 4.4.1 实验平台 | 第48页 |
| 4.4.2 数据集 | 第48页 |
| 4.4.3 评价指标 | 第48-49页 |
| 4.4.4 实验设置 | 第49页 |
| 4.4.5 实验分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 未来工作展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62页 |