文本分类中语义相似度和特征权重相关研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 发展历史与研究现状 | 第12-14页 |
| 1.3 本文主要内容和组织结构 | 第14-15页 |
| 第二章 文本分类详述 | 第15-27页 |
| 2.1 文本分类过程 | 第15-16页 |
| 2.2 预处理 | 第16-18页 |
| 2.3 文本表示 | 第18-19页 |
| 2.4 特征选择与加权 | 第19-21页 |
| 2.4.1 特征选择 | 第19-20页 |
| 2.4.2 特征加权 | 第20-21页 |
| 2.5 文本分类算法 | 第21-24页 |
| 2.6 分类性能评价 | 第24-25页 |
| 2.7 文本相似度 | 第25-26页 |
| 2.7.1 基于VSM的文本相似度计算 | 第25页 |
| 2.7.2 《知网》词汇语义相似度 | 第25-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第三章 基于文本相似度计算的兴趣网络构建 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 兴趣网络构建 | 第28-33页 |
| 3.2.1 基本定义 | 第28-29页 |
| 3.2.2 知网义原相似度计算 | 第29页 |
| 3.2.3 《知网》词语相似度计算 | 第29-31页 |
| 3.2.4 结合词性的共同兴趣网络构建 | 第31-32页 |
| 3.2.5 预处理及实验流程 | 第32-33页 |
| 3.3 实验与结果分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 一种结合类内分布熵的特征权重改进算法 | 第37-43页 |
| 4.1 概述 | 第37-38页 |
| 4.2 传统TF-IDF算法 | 第38-39页 |
| 4.3 基于类内分布熵的改进TF-IDF算法 | 第39-40页 |
| 4.4 实验与结果分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录：读研期间科研情况 | 第49页 |
