| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外现状综述 | 第13-14页 |
| 1.3 自然语言处理（NLP）的概念 | 第14-17页 |
| 1.4 统计自然语言处理 | 第17-18页 |
| 1.5 中文信息处理的特别之处 | 第18-20页 |
| 1.6 研究内容 | 第20-21页 |
| 1.7 本章小结 | 第21页 |
| 第二章 文本分类算法 | 第21-41页 |
| 2.1 已有文本分类方法的总结 | 第22-27页 |
| 2.1.1 N-Gram 算法 | 第22-25页 |
| 2.1.2 线性分类器 | 第25-26页 |
| 2.1.3 KNN(k-Nearest Neighbor)算法 | 第26-27页 |
| 2.2 文本的向量化算法 | 第27-31页 |
| 2.2.1 VSM(向量空间模型)简介 | 第27-29页 |
| 2.2.2 TF/IDF 算法 | 第29-31页 |
| 2.3 支持向量机SVM | 第31-39页 |
| 2.3.1 统计学习理论 | 第31-34页 |
| 2.3.2 支持向量机基本原理 | 第34-35页 |
| 2.3.3 常用支持向量机训练算法 | 第35-37页 |
| 2.3.4 支持向量机多类分类算法 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 短文本分类算法实现 | 第41-60页 |
| 3.1 短文本的特点研究 | 第42-48页 |
| 3.1.1 新闻标题特点分析 | 第42-45页 |
| 3.1.2 手机短信息特点分析 | 第45-47页 |
| 3.1.3 短文本规律的总结 | 第47-48页 |
| 3.2 短文本多分类算法的实现 | 第48-57页 |
| 3.2.1 可选择的算法比较 | 第48页 |
| 3.2.2 基于新闻标题的文本分类算法的构思 | 第48-57页 |
| 3.3 一类分类算法的实现 | 第57-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第四章 实验结果及分析 | 第60-66页 |
| 4.1 多类分类算法程序的参数确定与测试分析 | 第60-64页 |
| 4.1.1 LIBSVM 方法的分析 | 第62页 |
| 4.1.2 第一种实现方法的分析 | 第62页 |
| 4.1.3 典型例子的分析 | 第62-63页 |
| 4.1.4 算法的综合评价 | 第63-64页 |
| 4.2 一类分类算法程序的参数确定与测试分析 | 第64-66页 |
| 4.2.1 结论分析 | 第65-66页 |
| 第五章 短文本分类算法的项目应用 | 第66-75页 |
| 5.1 项目简介 | 第66-69页 |
| 5.1.1 架构描述 | 第67-69页 |
| 5.2 文本识别模块(TEXTMODULE)的实现 | 第69-70页 |
| 5.2.1 文本识别模块的整体设计 | 第69-70页 |
| 5.3 短文本分类算法的实现 | 第70-74页 |
| 5.3.1 整句识别算法 | 第70-71页 |
| 5.3.2 手工筛检关键词表 | 第71页 |
| 5.3.3 快速SVM 算法 | 第71-73页 |
| 5.3.4 算法的整合 | 第73页 |
| 5.3.5 进一步想法 | 第73-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 主要结论 | 第75页 |
| 6.2 研究展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 谢辞 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文 | 第81-84页 |
| 上海交通大学硕士学位论文答辩决议书 | 第84页 |