独立于语种的文本分类方法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·文本分类的研究背景及意义 | 第8-9页 |
| ·文本分类的定义 | 第9-10页 |
| ·文本分类技术的研究现状 | 第10-12页 |
| ·文本分类技术的分类 | 第10页 |
| ·文本分类在国外的发展 | 第10-11页 |
| ·文本分类在国内的发展 | 第11-12页 |
| ·本文研究内容 | 第12页 |
| ·本文安排 | 第12-14页 |
| 2 文本分类的相关模型 | 第14-26页 |
| ·文本表示模型 | 第14-17页 |
| ·向量空间模型 | 第14-15页 |
| ·统计语言模型 | 第15-16页 |
| ·文本表示模型的比较与选择 | 第16-17页 |
| ·基于N-GRAM 语言模型的文本表示 | 第17-19页 |
| ·N-GRAM 模型若干关键问题 | 第19-21页 |
| ·语义词 | 第19页 |
| ·参数N 的选择 | 第19-20页 |
| ·数据平滑 | 第20-21页 |
| ·分类常用算法介绍 | 第21-25页 |
| ·贝叶斯方法 | 第21页 |
| ·k—近邻方法 | 第21页 |
| ·决策树方法 | 第21-22页 |
| ·支持向量机方法 | 第22-23页 |
| ·神经网络方法 | 第23-24页 |
| ·基于投票的方法 | 第24页 |
| ·Rocchio 方法 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 文本分类系统结构设计 | 第26-33页 |
| ·文本分类系统的结构 | 第26-28页 |
| ·分类功能 | 第28-31页 |
| ·朴素贝叶斯分类器 | 第28-29页 |
| ·链状贝叶斯分类器 | 第29-31页 |
| ·多类别处理 | 第31页 |
| ·数据分析功能 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 分类系统开发 | 第33-48页 |
| ·系统实现的目的和意义 | 第33页 |
| ·总体结构 | 第33页 |
| ·主要算法过程 | 第33-45页 |
| ·分类算法的详细设计与实现 | 第33-38页 |
| ·训练算法的详细设计与实现 | 第38-40页 |
| ·混淆矩阵的生成 | 第40-41页 |
| ·N 元项的储存方式 | 第41-43页 |
| ·分类数据的储存方式 | 第43-45页 |
| ·评价方法 | 第45-47页 |
| ·小结 | 第47-48页 |
| 5 实验及分析 | 第48-54页 |
| ·实验环境 | 第48页 |
| ·语料库 | 第48-50页 |
| ·语料库的重要性 | 第48页 |
| ·本文所使用的语料 | 第48-50页 |
| ·实验结果以及分析 | 第50-53页 |
| ·实验结果 | 第50-51页 |
| ·实验分析 | 第51-53页 |
| ·小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
