基于自然语言处理的文本分类分析与研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景与意义 | 第9-10页 |
| ·文本分类研究现状 | 第10-12页 |
| ·课题研究内容及方法 | 第12-15页 |
| 第二章 自然语言处理技术概述 | 第15-20页 |
| ·自然语言处理技术概述 | 第15-16页 |
| ·自然语言语法分析技术 | 第16-17页 |
| ·生成模型的统计方法 | 第17-18页 |
| ·判别模型的统计方法 | 第18-19页 |
| ·无指导的统计方法 | 第19页 |
| ·本章总结 | 第19-20页 |
| 第三章 文本分类的相关技术 | 第20-37页 |
| ·文本分类基本概念 | 第20-23页 |
| ·文本自动分类的任务 | 第20-21页 |
| ·文本自动分类的类型 | 第21-22页 |
| ·文本自动分类的应用 | 第22-23页 |
| ·文本表示方法 | 第23-25页 |
| ·表示模型概述 | 第23-24页 |
| ·VSM 模型 | 第24-25页 |
| ·数据挖掘中决策树分类算法 | 第25-29页 |
| ·分类的定义 | 第25-26页 |
| ·分类预处理及评估准则 | 第26-27页 |
| ·分类算法 | 第27-29页 |
| ·基于决策树的分类算法 | 第29-35页 |
| ·决策树分类概述 | 第29-30页 |
| ·典型的决策树算法 | 第30-34页 |
| ·决策树的构造以及简化 | 第34-35页 |
| ·文本分类效果评估方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于自然语言处理的文本分类设计 | 第37-53页 |
| ·中文文本自动分类的预处理 | 第37-42页 |
| ·基于最大匹配分词算法的中文文本分词处理 | 第37-39页 |
| ·改进的增强型最大匹配分词法（IMM 法） | 第39-42页 |
| ·基于KL-Divergence 的特征选取算法 | 第42-47页 |
| ·KL-Divergence 定义 | 第42-43页 |
| ·改进KL-Divergence 特征选取法 | 第43-44页 |
| ·特征权重的计算－TFIDF 法 | 第44-45页 |
| ·构建类模型 | 第45-47页 |
| ·实验测试与结果 | 第47-52页 |
| ·实验目的 | 第47页 |
| ·实验难点 | 第47-48页 |
| ·实验中用到的相关算法简要说明 | 第48-50页 |
| ·实验的过程流程图 | 第50页 |
| ·实验过程 | 第50-51页 |
| ·实验结果说明 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第58页 |
