关联规则在文本分类中的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究动态和水平 | 第9-10页 |
| ·论文所做的工作及意义 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第2章 文本分类及关联规则简介 | 第13-25页 |
| ·文本挖掘概述 | 第13-15页 |
| ·文本挖掘定义 | 第13-14页 |
| ·文本挖掘过程 | 第14-15页 |
| ·文本分类 | 第15-20页 |
| ·文本分类简介 | 第15页 |
| ·文本的特征表示 | 第15-16页 |
| ·文本分类算法 | 第16-20页 |
| ·关联规则挖掘算法 | 第20-25页 |
| ·Apriori算法 | 第20-21页 |
| ·算法描述 | 第21-22页 |
| ·实例分析 | 第22-25页 |
| 第3章 关联文本分类 | 第25-36页 |
| ·关联文本分类步骤 | 第25-26页 |
| ·文本数据预处理 | 第26-28页 |
| ·文本预处理过程 | 第26-27页 |
| ·文本事务数据库的形成 | 第27-28页 |
| ·关联规则挖掘 | 第28-32页 |
| ·CBA-RG的基本概念 | 第28-29页 |
| ·CBA-RG算法 | 第29-30页 |
| ·实例分析 | 第30-32页 |
| ·文本分类器 | 第32-34页 |
| ·CBA-CB基本概念 | 第32-33页 |
| ·规则优先级 | 第33页 |
| ·CAB-CB算法 | 第33-34页 |
| ·文本分类模型的评估 | 第34-36页 |
| 第4章 改进的关联文本分类算法 | 第36-53页 |
| ·基于完全图的关联文本改进算法 | 第36-41页 |
| ·频繁项集的完全图表示 | 第36-37页 |
| ·算法描述及实例分析 | 第37-41页 |
| ·算法优点 | 第41页 |
| ·二进制Granule计算的关联文本改进算法 | 第41-51页 |
| ·二进制信息粒表示及粒计算 | 第42-45页 |
| ·算法描述 | 第45-48页 |
| ·实例分析 | 第48-50页 |
| ·改进算法优点 | 第50-51页 |
| ·算法复杂度比较 | 第51-53页 |
| ·空间复杂性分析 | 第51页 |
| ·时间复杂度分析 | 第51-53页 |
| 第5章 总结与展望 | 第53-56页 |
| ·工作总结 | 第53-54页 |
| ·解决的问题和创新 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间的研究成果 | 第60页 |
