形式概念分析和本体在文本挖掘中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-25页 |
| ·研究背景 | 第12-14页 |
| ·文本挖掘的定义 | 第12-13页 |
| ·文本挖掘的过程 | 第13-14页 |
| ·文本挖掘的研究现状 | 第14-19页 |
| ·文本特征表示 | 第14-17页 |
| ·文本分类 | 第17-18页 |
| ·文本聚类 | 第18-19页 |
| ·形式概念分析在文本挖掘中的应用 | 第19-21页 |
| ·本体在文本挖掘的应用 | 第21-24页 |
| ·本文的研究内容和组织结构 | 第24-25页 |
| 第2章 文本挖掘、形式概念分析和本体基础 | 第25-44页 |
| ·文本的特征向量表示 | 第25-27页 |
| ·特征抽取 | 第27页 |
| ·特征选择 | 第27-31页 |
| ·特征选择的机器学习方法 | 第27-28页 |
| ·评估函数方法 | 第28-30页 |
| ·全局特征选择方法 | 第30-31页 |
| ·常用聚类算法的分类 | 第31-32页 |
| ·常用分类算法的分类 | 第32-36页 |
| ·Naive Bayes方法 | 第32页 |
| ·KNN方法 | 第32-33页 |
| ·最大熵模型 | 第33页 |
| ·支持向量机 | 第33-35页 |
| ·人工神经网络 | 第35-36页 |
| ·文本分类模型的评估 | 第36-38页 |
| ·分类模型的评估方法 | 第36-37页 |
| ·评估指标 | 第37-38页 |
| ·形式概念分析基础 | 第38-39页 |
| ·本体基础 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 概念相似度在文本模糊聚类中的应用 | 第44-50页 |
| ·引言 | 第44页 |
| ·基本概念 | 第44-45页 |
| ·一种新的多背景文本模糊聚类模型和方法 | 第45-46页 |
| ·示例 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 基于背景知识的KNN文本分类 | 第50-55页 |
| ·引言 | 第50页 |
| ·文本文档表示的预处理 | 第50-51页 |
| ·背景知识在文本文档表示中的集成 | 第51-52页 |
| ·策略:添加概念/概念代替词/概念向量 | 第52页 |
| ·消歧策略 | 第52页 |
| ·Hypernym策略 | 第52页 |
| ·KNN文本分类算法 | 第52-53页 |
| ·实验与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第60页 |
