基于文本分类和相似度的重题检测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·研究背景和意义 | 第7-8页 |
| ·研究历史和现状 | 第8-9页 |
| ·研究内容 | 第9-11页 |
| 2 文本分类 | 第11-22页 |
| ·文本的表示 | 第11-16页 |
| ·向量空间模型 | 第11-12页 |
| ·特征项的权重 | 第12-14页 |
| ·特征选择 | 第14-16页 |
| ·文本分类算法 | 第16-22页 |
| ·贝叶斯算法 | 第16-17页 |
| ·K-近邻 | 第17-18页 |
| ·人工神经网络 | 第18-19页 |
| ·决策树 | 第19-20页 |
| ·支持向量机算法 | 第20-22页 |
| 3 文本相似度计算 | 第22-26页 |
| ·基于向量的文本相似度计算 | 第22-23页 |
| ·广义向量空间模型 | 第23-24页 |
| ·潜在语义标引模型 | 第24-25页 |
| ·基于语义理解的相似度计算方法 | 第25-26页 |
| 4 研究方案与步骤 | 第26-44页 |
| ·提取典型特征并对题库进行筛选 | 第29-31页 |
| ·典型特征的选择 | 第29-30页 |
| ·提取典型特征 | 第30-31页 |
| ·用文本分类算法查找类似题 | 第31-35页 |
| ·用文本分类算法查找类似题的主要思路 | 第31-32页 |
| ·建立向量空间模型 | 第32-33页 |
| ·特征向量降维 | 第33-34页 |
| ·查找类似题 | 第34-35页 |
| ·计算题干相似度检测重题 | 第35-38页 |
| ·相关理论的说明 | 第36页 |
| ·题干相似度的计算 | 第36-38页 |
| ·计算步骤 | 第38页 |
| ·实验结果 | 第38-44页 |
| ·评估方法 | 第38-39页 |
| ·实验数据与结果 | 第39-42页 |
| ·实验结果分析 | 第42-44页 |
| 5 总结与展望 | 第44-47页 |
| ·总结 | 第44-45页 |
| ·展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
