| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的组织结构 | 第10-11页 |
| 第2章 文本分类相关技术 | 第11-28页 |
| 2.1 文本分类概述 | 第11-13页 |
| 2.1.1 文本分类定义 | 第11页 |
| 2.1.2 文本分类问题与其他分类问题的比较 | 第11-12页 |
| 2.1.3 文本分类流程 | 第12-13页 |
| 2.2 文本预处理 | 第13-15页 |
| 2.2.1 去除格式标记 | 第13-14页 |
| 2.2.2 中文分词 | 第14-15页 |
| 2.2.3 去停用词 | 第15页 |
| 2.3 文本表示模型 | 第15-17页 |
| 2.3.1 布尔模型 | 第15-16页 |
| 2.3.2 概率模型 | 第16页 |
| 2.3.3 向量空间模型 | 第16-17页 |
| 2.4 特征提取 | 第17-18页 |
| 2.5 特征权重计算 | 第18-19页 |
| 2.5.1 布尔权重 | 第18页 |
| 2.5.2 词频权重 | 第18-19页 |
| 2.5.3 逆文档频率权（InverseDocument Frequency , IDF） | 第19页 |
| 2.5.4 TF-IDF权重 | 第19页 |
| 2.6 分类算法 | 第19-24页 |
| 2.6.1 K-最近邻算法 | 第20页 |
| 2.6.2 决策树算法 | 第20-21页 |
| 2.6.3 朴素贝叶斯算法 | 第21-22页 |
| 2.6.4 ROCCHIO算法 | 第22页 |
| 2.6.5 支持向量机算法 | 第22-24页 |
| 2.6.6 逻辑回归算法 | 第24页 |
| 2.7 分类性能评估 | 第24-27页 |
| 2.7.1 评估方法 | 第24-25页 |
| 2.7.2 评估指标 | 第25-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 文本分类特征提取算法的分析及改进 | 第28-39页 |
| 3.1 特征提取的意义 | 第28页 |
| 3.2 特征提取的一般步骤 | 第28页 |
| 3.3 传统的特征提取算法 | 第28-33页 |
| 3.3.1 文档频率 | 第29页 |
| 3.3.2 互信息 | 第29-30页 |
| 3.3.3 统计 | 第30-31页 |
| 3.3.4 信息增益 | 第31-33页 |
| 3.4 信息增益算法的分析与改进 | 第33-38页 |
| 3.4.1 信息增益算法分析 | 第33-35页 |
| 3.4.2 基于词频的 Γ 调节因子的信息增益算法的改进 | 第35-36页 |
| 3.4.3 基于特征词的类别分布情况优化增益评分 | 第36-37页 |
| 3.4.4 针对非均衡文档集评分排序优化 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 实验过程及结果分析 | 第39-51页 |
| 4.1 实验环境 | 第39-41页 |
| 4.1.1 语料库 | 第39-40页 |
| 4.1.2 实验工具 | 第40-41页 |
| 4.2 实验模块 | 第41页 |
| 4.3 实验步骤 | 第41-47页 |
| 4.3.1 去停用词 | 第41-43页 |
| 4.3.2 数据结构表示 | 第43页 |
| 4.3.3 特征提取 | 第43-44页 |
| 4.3.4 权值分配 | 第44-46页 |
| 4.3.5 分类算法选择 | 第46页 |
| 4.3.6 性能评估方法选择 | 第46-47页 |
| 4.4 实验结果分析 | 第47-50页 |
| 4.4.1 相同特征维度不同类别之间的实验结果 | 第47-49页 |
| 4.4.2 不同特征维度F1加权结果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |