| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 1.5 论文主要创新点 | 第19页 |
| 1.6 本章小结 | 第19-21页 |
| 第二章 相关理论与技术介绍 | 第21-33页 |
| 2.1 文本预处理操作 | 第21-22页 |
| 2.1.1 中文分词 | 第21-22页 |
| 2.1.2 去停用词 | 第22页 |
| 2.2 特征抽取 | 第22-27页 |
| 2.2.1 word2vec | 第22-23页 |
| 2.2.2 逻辑斯谛回归 | 第23-25页 |
| 2.2.3 AHP层次分析法 | 第25-27页 |
| 2.3 堆叠降噪自编码机 | 第27-29页 |
| 2.3.1 自编码机 | 第27-28页 |
| 2.3.2 降噪自编码机 | 第28-29页 |
| 2.3.3 堆叠降噪自编码机 | 第29页 |
| 2.4 最大熵模型 | 第29-32页 |
| 2.4.1 最大熵模型的定义 | 第29-30页 |
| 2.4.2 最大熵模型的学习 | 第30-31页 |
| 2.4.3 最大熵模型的参数训练 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 微博精准营销平台整体概述 | 第33-41页 |
| 3.1 微博精准营销平台需求 | 第33-34页 |
| 3.2 微博精准营销平台业务流程 | 第34-35页 |
| 3.3 微博精准营销平台系统架构 | 第35-37页 |
| 3.4 微博精准营销平台核心架构 | 第37-38页 |
| 3.5 博文去噪及评论识别子系统架构 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于堆叠降噪自编码机(SDA)的博文去噪方法研究 | 第41-51页 |
| 4.1 博文去噪概述 | 第41-42页 |
| 4.2 SDA博文去噪模型 | 第42-47页 |
| 4.2.1 基于微博文本的特征向量 | 第44-45页 |
| 4.2.2 人工定义的特征向量 | 第45-47页 |
| 4.2.3 组合特征向量 | 第47页 |
| 4.3 实验与分析 | 第47-50页 |
| 4.3.1 实验数据 | 第47-48页 |
| 4.3.2 特征抽取实验 | 第48页 |
| 4.3.3 SDA特征选择实验 | 第48-49页 |
| 4.3.4 对比选择实验 | 第49页 |
| 4.3.5 分类对比实验 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于最大熵(ME)的评论识别方法研究 | 第51-65页 |
| 5.1 评论识别概述 | 第51页 |
| 5.2 最大熵评论识别模型 | 第51-58页 |
| 5.2.1 特征定义与抽取 | 第52-54页 |
| 5.2.2 特征选择 | 第54-58页 |
| 5.2.3 分类对比 | 第58页 |
| 5.3 实验与分析 | 第58-63页 |
| 5.3.1 实验数据集 | 第59页 |
| 5.3.2 特征抽取实验 | 第59-60页 |
| 5.3.3 分类实验设置 | 第60页 |
| 5.3.4 特征选择实验 | 第60-62页 |
| 5.3.5 分类对比实验 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 博文去噪及评论识别子系统设计实现 | 第65-75页 |
| 6.1 博文去噪及评论识别子系统建模 | 第65-71页 |
| 6.1.1 系统功能静态视图描述 | 第65-66页 |
| 6.1.2 系统功能活动图描述 | 第66-67页 |
| 6.1.3 系统结构化设计 | 第67-69页 |
| 6.1.4 系统结数据库设计 | 第69-71页 |
| 6.2 子系统展示 | 第71-73页 |
| 6.3 本章小结 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 论文工作总结 | 第75页 |
| 7.2 工作展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录A: 攻读学位期间论文发表情况 | 第83-85页 |
| 附录B: 攻读学位期间参与完成的科研成果 | 第85页 |