| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与课题意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 目前的特征选择方法存在的问题 | 第11-12页 |
| 1.4 论文的主要研究内容 | 第12页 |
| 1.5 论文的组织 | 第12-13页 |
| 第二章 文本分类中的特征选择 | 第13-21页 |
| 2.1 文本特征简介 | 第13页 |
| 2.2 特征选择的概念、目标与标准 | 第13-14页 |
| 2.3 特征选择的过程 | 第14-15页 |
| 2.4 常用特征选择方法 | 第15-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于加权信息增益的特征选择方法研究 | 第21-28页 |
| 3.1 相关概念描述 | 第21-22页 |
| 3.2 类分布对文本分类特征选择性能的影响 | 第22-23页 |
| 3.3 信息增益与期望交叉熵的性能比较 | 第23-25页 |
| 3.4 基于加权信息增益的特征选择 | 第25-26页 |
| 3.4.1 加权信息增益（Weighted Information Gain，WIG） | 第25-26页 |
| 3.4.2 WIG的算法描述 | 第26页 |
| 3.5 本章小结 | 第26-28页 |
| 第四章 基于独立性理论的特征选择方法研究 | 第28-38页 |
| 4.1 独立性假设检验在特征选择中的应用 | 第28-31页 |
| 4.1.1 应用原理 | 第28-30页 |
| 4.1.2 应用现状推导 | 第30-31页 |
| 4.2 基于似然比与沃尔德假设检验的特征选择 | 第31-33页 |
| 4.2.1 似然比（Likelihood Ratio, LR） | 第31-32页 |
| 4.2.2 沃尔德（Wald） | 第32页 |
| 4.2.3 IG系数（Ives & Gibbons Coefficient，IGC） | 第32-33页 |
| 4.3 基于分布式齐性卡方的特征选择 | 第33-35页 |
| 4.3.1 零假设及相关符号表示 | 第34页 |
| 4.3.2 分布式齐性卡方（Distributed Homogeneous Chi2，DHChi2） | 第34-35页 |
| 4.4 基于事件独立性的特征选择 | 第35-37页 |
| 4.4.1 基于事件独立性方法（Event Independence Based Approach, EIBA） | 第35-36页 |
| 4.4.2 对EIBA的改进 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 实验 | 第38-59页 |
| 5.1 分类器简介 | 第38-40页 |
| 5.2 语料库简介 | 第40-43页 |
| 5.3 语料库的预处理 | 第43-44页 |
| 5.4 实验评价指标 | 第44-45页 |
| 5.5 基于加权信息增益的特征选择方法实验 | 第45-47页 |
| 5.6 基于独立性理论的特征选择方法实验 | 第47-58页 |
| 5.7 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间发表论文和参与科研项目情况 | 第67页 |
| 发表论文 | 第67页 |
| 参与科研项目 | 第67页 |
