中文文本分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10页 |
| ·研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12页 |
| ·当前研究重点 | 第12-13页 |
| ·本文的主要研究工作 | 第13页 |
| ·本文的组织 | 第13-15页 |
| 第2章 中文文本分类的相关理论和技术 | 第15-31页 |
| ·文本分类基本概念 | 第15-16页 |
| ·文本预处理 | 第16-21页 |
| ·去除格式标记 | 第17页 |
| ·过滤非法字符和字母大小写转换 | 第17页 |
| ·去除停用词、稀有词和词干化 | 第17-18页 |
| ·中文分词和词性标注 | 第18-21页 |
| ·中文分词 | 第18-19页 |
| ·中文词性标注 | 第19-21页 |
| ·特征选取 | 第21-24页 |
| ·文本频率 | 第22页 |
| ·互信息 | 第22页 |
| ·信息增益 | 第22-23页 |
| ·χ~2统计 | 第23-24页 |
| ·文本表示方法 | 第24-25页 |
| ·布尔模型 | 第24页 |
| ·向量空间模型 | 第24-25页 |
| ·概率模型 | 第25页 |
| ·文本分类方法 | 第25-30页 |
| ·朴素贝叶斯方法 | 第25-26页 |
| ·k-近邻方法 | 第26-27页 |
| ·支持向量机方法 | 第27页 |
| ·决策树方法 | 第27-28页 |
| ·神经网络方法 | 第28-29页 |
| ·相似度方法 | 第29-30页 |
| ·分类算法评估 | 第30-31页 |
| 第3章 基于类别核心词的朴素贝叶斯分类方法 | 第31-38页 |
| ·朴素贝叶斯分类方法的优缺点 | 第31-32页 |
| ·基于类别核心词的朴素贝叶斯分类 | 第32-34页 |
| ·文本分词及类别核心词选取 | 第32页 |
| ·类别核心词的处理 | 第32-33页 |
| ·类别核心词在朴素贝叶斯分类方法中的应用 | 第33-34页 |
| ·阈值的设置 | 第34页 |
| ·实验结果及分析 | 第34-36页 |
| ·实验数据 | 第34-35页 |
| ·实验结果 | 第35-36页 |
| ·实验分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于概念的中文文本分类方法 | 第38-52页 |
| ·知网简介 | 第38-46页 |
| ·知网概念 | 第38-39页 |
| ·义原 | 第39页 |
| ·知网系统的概貌 | 第39-41页 |
| ·知识词典描述语言 | 第41-46页 |
| ·总规定 | 第41-42页 |
| ·KDML中特定的标识符 | 第42页 |
| ·事件类概念的描述方法 | 第42-43页 |
| ·实体类概念的描述方法 | 第43-44页 |
| ·属性类概念的描述方法 | 第44-45页 |
| ·属性值类概念的描述方法 | 第45页 |
| ·各种动态角色的使用 | 第45-46页 |
| ·文本预处理 | 第46-47页 |
| ·文本分词与词性标注 | 第46页 |
| ·特征选取 | 第46页 |
| ·类别核心词的选取与处理 | 第46-47页 |
| ·概念映射方法 | 第47-48页 |
| ·实验结果及分析 | 第48-51页 |
| ·实验数据 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表论文情况 | 第58-59页 |
| 致谢 | 第59页 |
