基于半监督学习模型的不文明微博帖识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 课题来源 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 研究内容 | 第14页 |
| 1.5 本文的组织结构 | 第14-16页 |
| 第二章 网络不文明语言与行为监测 | 第16-25页 |
| 2.1 网络不文明词汇研究的方法及其现状 | 第16-20页 |
| 2.1.1 监督学习 | 第17-18页 |
| 2.1.2 无监督学习 | 第18页 |
| 2.1.3 传统的机器学习方法 | 第18-19页 |
| 2.1.4 深度学习的方法 | 第19-20页 |
| 2.2 半监督学习理论知识 | 第20-23页 |
| 2.2.1 半监督学习算法原理 | 第20-21页 |
| 2.2.2 模型假设 | 第21-22页 |
| 2.2.3 转导 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于多源数据的不良语言词典的构建 | 第25-35页 |
| 3.1 数据的预处理过程 | 第25-26页 |
| 3.2 不良语言词典的构建 | 第26-32页 |
| 3.2.1 基于人工的不良语言词典构建 | 第26-29页 |
| 3.2.2 基于PMI的不良语言词典自动扩展方法 | 第29页 |
| 3.2.3 基于情感的不文明语言词典构建 | 第29-32页 |
| 3.3 基于微博文本的网络语言分级评价 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于半监督学习的微博不文明帖自动识别 | 第35-46页 |
| 4.1 基于TSVM模型的不文明微博贴识别 | 第35-38页 |
| 4.1.1 模型的构建 | 第35-36页 |
| 4.1.2 模型的验证 | 第36-37页 |
| 4.1.3 基于TSVM模型的不文明微博帖识别 | 第37-38页 |
| 4.2 局部极大值优化 | 第38-41页 |
| 4.3 实验结果分析 | 第41-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 本文总结 | 第46-47页 |
| 5.2 研究展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 在校期间参加的科研项目 | 第53-54页 |
| 致谢 | 第54页 |
