| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8页 |
| ·文本分类问题描述 | 第8-9页 |
| ·国内外的研究现状 | 第9-10页 |
| ·本文的研究工作 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 第二章 文本分类关键技术概述 | 第12-26页 |
| ·文本分类 | 第12-14页 |
| ·文本分类的定义 | 第12页 |
| ·文本分类的特点 | 第12-13页 |
| ·文本分类基本实现途径 | 第13-14页 |
| ·文本分类过程 | 第14页 |
| ·文本预处理技术 | 第14-19页 |
| ·文本表示模型 | 第15-17页 |
| ·特征选择 | 第17-19页 |
| ·特征抽取 | 第19页 |
| ·文本分类器设计 | 第19-23页 |
| ·文本分类评测技术 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 中文文本分类知识的自动获取 | 第26-40页 |
| ·中文文本特征表示 | 第26-31页 |
| ·文本向量的特征表示 | 第26-27页 |
| ·文本向量的特征权重计算 | 第27-28页 |
| ·向量空间模型的相似度计算方法 | 第28-29页 |
| ·基于关键词组合的VSM模型 | 第29-31页 |
| ·中文自动分词技术 | 第31-37页 |
| ·汉语分词面临的难点 | 第31-32页 |
| ·常见的汉语分词方法 | 第32-34页 |
| ·词性标注排歧方法 | 第34-37页 |
| ·一种新的特征维数约减方法 | 第37-38页 |
| ·互信息量MI | 第37页 |
| ·X~2统计量 | 第37-38页 |
| ·联合特征选择方法UT | 第38页 |
| ·实验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于NAIVE BAYES理论的中文文本分类器研究 | 第40-52页 |
| ·引言 | 第40页 |
| ·贝叶斯概率基础 | 第40-41页 |
| ·朴素贝叶斯分类器 | 第41-44页 |
| ·贝叶斯定理 | 第41-42页 |
| ·朴素贝叶斯分类过程 | 第42-44页 |
| ·基于独立分量分析的朴素贝叶斯分类器 | 第44-47页 |
| ·独立分量分析(ICA)概述 | 第44-45页 |
| ·基于改进的ICA算法的NB分类器 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·基于NAIVE BAYES理论的多分类器组合 | 第47-50页 |
| ·多分类器组合的不同框架 | 第47-48页 |
| ·朴素贝叶斯组合方法 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 中文文本分类系统设计与实现 | 第52-68页 |
| ·系统介绍 | 第52页 |
| ·系统总体设计 | 第52-55页 |
| ·系统设计框架 | 第52-53页 |
| ·系统体系结构设计 | 第53-55页 |
| ·系统功能设计 | 第55页 |
| ·系统各模块详细设计 | 第55-63页 |
| ·Web网页信息预处理 | 第56-59页 |
| ·中文自动分词模块 | 第59-60页 |
| ·特征提取模块 | 第60-61页 |
| ·多分类器组合分类模块 | 第61-63页 |
| ·分类系统运行界面 | 第63-66页 |
| ·系统实验结果分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·本文总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 在读期间发表的学术论文 | 第76页 |