中文文本分类中的关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文所做的主要工作 | 第12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 文本分类过程及相关技术概述 | 第14-23页 |
| ·文本分类的一般过程 | 第14-15页 |
| ·文本预处理 | 第15-17页 |
| ·中文分词 | 第16-17页 |
| ·停用词处理 | 第17页 |
| ·文本表示 | 第17-19页 |
| ·布尔模型 | 第17-18页 |
| ·向量空间模型 | 第18-19页 |
| ·概率模型 | 第19页 |
| ·特征选择 | 第19-20页 |
| ·文本分类算法概述 | 第20-21页 |
| ·文本分类性能评价 | 第21-23页 |
| 第三章 特征选择函数及权重计算方法 | 第23-32页 |
| ·特征选择函数 | 第23-27页 |
| ·特征频度 | 第23页 |
| ·文档频率 | 第23-24页 |
| ·信息增益 | 第24-25页 |
| ·互信息 | 第25页 |
| ·χ~2统计 | 第25页 |
| ·期望交叉熵 | 第25-26页 |
| ·特征选择函数的评价方法 | 第26-27页 |
| ·特征项权值计算方法 | 第27-28页 |
| ·布尔权重 | 第27页 |
| ·TFIDF权重 | 第27-28页 |
| ·TFIDF-BCBT权重计算方法 | 第28-32页 |
| 第四章 文本分类算法 | 第32-43页 |
| ·朴素贝叶斯算法 | 第32-33页 |
| ·KNN(K近邻)分类算法 | 第33-35页 |
| ·支持向量机 | 第35-36页 |
| ·人工神经网络算法 | 第36-37页 |
| ·决策树算法 | 第37-39页 |
| ·基于训练样本集剪裁的RKNN文本分类算法 | 第39-43页 |
| ·传统KNN算法的优缺点 | 第39-41页 |
| ·RKNN文本分类算法描述 | 第41-42页 |
| ·RKNN文本分类算法计算量分析 | 第42-43页 |
| 第五章 实验与分析 | 第43-52页 |
| ·特征选择算法对文本分类性能的影响 | 第43-45页 |
| ·TFIDF与TFIDF-BCBT对比实验 | 第45-47页 |
| ·特征维数对文本分类性能的影响 | 第47-48页 |
| ·K的取值对文本分类性能的影响 | 第48-49页 |
| ·KNN和RKNN文本分类算法对比实验 | 第49-52页 |
| 第六章 总结与展望 | 第52-53页 |
| ·总结 | 第52页 |
| ·未来研究工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |
