基于引力场模型的文本分类方法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·文本分类概述 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究重点 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 2 分类相关技术 | 第13-30页 |
| ·引言 | 第13页 |
| ·文本分类过程 | 第13-14页 |
| ·中文分词 | 第14-15页 |
| ·特征降维 | 第15-18页 |
| ·文本表示模型 | 第18-19页 |
| ·常见分类算法 | 第19-28页 |
| ·最近邻分类 | 第19-22页 |
| ·贝叶斯分类 | 第22-24页 |
| ·支持向量机 | 第24-27页 |
| ·决策树分类 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 3 Virtual Kernel 文本分类 | 第30-36页 |
| ·引言 | 第30页 |
| ·引力场模型 | 第30-32页 |
| ·虚核 | 第30-31页 |
| ·引力场 | 第31-32页 |
| ·VK 分类算法 | 第32-35页 |
| ·算法理论 | 第32-34页 |
| ·算法描述 | 第34页 |
| ·时间复杂度 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 实验与结果分析 | 第36-49页 |
| ·实验数据集 | 第36页 |
| ·评估指标 | 第36-37页 |
| ·实验环境 | 第37页 |
| ·实验与性能分析 | 第37-48页 |
| ·VK 小类分类实验 | 第37-39页 |
| ·分类算法参数实验 | 第39-41页 |
| ·VK 分类算法开闭测试 | 第41-42页 |
| ·分类算法对比实验 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 5 结论与展望 | 第49-50页 |
| ·主要结论 | 第49页 |
| ·进一步工作 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55页 |
| A. 作者在攻读硕士学位期间发表和完成的论文目录 | 第55页 |
