论文研究基于社交网络数据的情感分类研究 .pdf

基于本体的DeepWeb语义分类研究，宋玲，马军，针对目前DeepWeb分类研究中所采用的Post-query查寻探测方法缺乏语义支持的问题，本文提出一个基于本体的语义查询探测分类方法。主要思

文本分类在采用向量空间模型（VSM）表达文本特征时，容易出现特征向量高维且稀疏的现象，为了对原始的文本特征向量进行有效简化，提出了一种基于粒子群（PSO）优化独立分量分析（ICA）进行降维的方法，并将

主题爬虫是实现定题搜索引擎的核心技术。提出了基于贝叶斯分类器实现主题爬虫的方法，介绍了基于贝叶斯分类器的主题爬虫的系统结构以及系统关键部分的实现，包括URL队列、爬行历史、页面下载以及页面分析，并重点

在传统模糊C-均值聚类算法的基础上，提出了一种新型区间值数据模糊聚类算法。运用区间分割策略改进了区间距离的计算公式，成功解决了区间距离计算方法存在的缺陷。提出了区间值数据模糊聚类的数学模型，并拓广模糊

基于分类的未知病毒检测方法研究，余晓姿，马兆丰，提出了一种以PE文件静态信息作为特征，通过分类来对未知病毒进行检测的方法。采用初始聚类中心优化的K-means聚类算法实现对病毒文件

SVM分类算法处理高维数据具有较大优势，但其未考虑语义的相似性度量问题，而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确度，提出了

应用遗传方法产生“弱”分类器，按照Boosting（推进）的思想，改变每一代遗传操作中训练实例的权重，并以整体结合方式确定未在训练集中的实例类型，有效地改进了遗传分类算法。

标题分类是对一个标题性语句进行分类,通常这个标题是不超过20个字的短文本,内容精炼且概括性强。针对标题文本的特征稀疏性和含义不确定性,提出了一种融合随机森林与贝叶斯多项式的标题分类算法。该算法将贝叶斯

基于深度学习的手机应用分类研究，王超，张华，传统的手机应用分类无法分析中文复杂上下文环境，同时随着样本数量增加会发生过拟合问题，针对目前存在问题，本论文研究了深度学

基于BiGRU-CNN的中文评论文本情感分析，张苗，张征，近年来，互联网上中文评论文本的激增使得使用深度学习方法进行评论文本情感分析成为一种趋势。目前常用的深度学习模型是基于卷积