| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国内研究现状 | 第11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 基础知识介绍 | 第15-27页 |
| 2.1 文本预处理技术 | 第15-16页 |
| 2.1.1 分词 | 第15页 |
| 2.1.2 停用词 | 第15-16页 |
| 2.1.3 词形还原 | 第16页 |
| 2.2 短文本分类技术 | 第16-20页 |
| 2.2.1 短文本特征表示 | 第16页 |
| 2.2.2 词的权重衡量 | 第16-17页 |
| 2.2.3 短文本分类算法 | 第17-19页 |
| 2.2.4 短文本的特点与难点 | 第19-20页 |
| 2.3 基于概念的短文本分类 | 第20-23页 |
| 2.3.1 短文本中的隐含语义分析 | 第20-21页 |
| 2.3.2 基于显式语义分析的短文本分类 | 第21-22页 |
| 2.3.3 概念识别与消歧义 | 第22-23页 |
| 2.4 主动学习 | 第23-26页 |
| 2.4.1 主动学习的动机与目标 | 第23-24页 |
| 2.4.2 不确定采样 | 第24-25页 |
| 2.4.3 基于密度分布的选择样本方法 | 第25页 |
| 2.4.4 主动学习过程 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 概念的识别 | 第27-34页 |
| 3.1 概念的抽取 | 第27-31页 |
| 3.1.1 概念的定义 | 第27-28页 |
| 3.1.2 匹配文本抽取过程 | 第28-29页 |
| 3.1.3 概念特征抽取 | 第29-30页 |
| 3.1.4 取过程分布式实现和建立索引 | 第30-31页 |
| 3.2 概念的匹配 | 第31-32页 |
| 3.3 概念的消歧义 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于概念的短文本特征表示 | 第34-40页 |
| 4.1 向量空间模型文本表示 | 第34-35页 |
| 4.2 文本特征扩展 | 第35-38页 |
| 4.2.1 维度扩展 | 第35-36页 |
| 4.2.2 利用概念关系扩展 | 第36-37页 |
| 4.2.3 利用概念特征扩展 | 第37-38页 |
| 4.3 基于概念的短文本特征表示流程 | 第38页 |
| 4.4 本章小结 | 第38-40页 |
| 第五章 短文本训练样本的选取 | 第40-45页 |
| 5.1 问题定义 | 第40页 |
| 5.2 优化目标 | 第40-42页 |
| 5.3 求解优化算法 | 第42-44页 |
| 5.4 算法复杂度分析 | 第44页 |
| 5.5 本章小节 | 第44-45页 |
| 第六章 实验及结果分析 | 第45-57页 |
| 6.1 实验数据集 | 第45-46页 |
| 6.2 文本数据预处理 | 第46页 |
| 6.3 分类方法和评测指标 | 第46-47页 |
| 6.3.1 分类方法 | 第46-47页 |
| 6.3.2 指标 | 第47页 |
| 6.4 实验环境简介 | 第47-48页 |
| 6.5 实验结果分析与优化 | 第48-56页 |
| 6.5.1 基于维基概念的短文本分类性能评价 | 第48-50页 |
| 6.5.2 概念识别阈值与分类准确度的关系 | 第50-51页 |
| 6.5.3 短文本训练样本的选取方法评价 | 第51-54页 |
| 6.5.4 Top-k代表程度选取样本算法运行时间 | 第54-56页 |
| 6.6 本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 总结 | 第57页 |
| 7.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |