| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-9页 |
| ·背景简介 | 第8页 |
| ·本文内容安排 | 第8-9页 |
| 第2章 相关理论介绍 | 第9-14页 |
| ·矩阵填充 | 第9-11页 |
| ·朴素贝叶斯分类器 | 第11-12页 |
| ·贝叶斯公式 | 第11页 |
| ·文本分类中的朴素贝叶斯方法 | 第11-12页 |
| ·Graph-Based 半监督学习分类 | 第12-14页 |
| ·监督学习 | 第12页 |
| ·无监督分类 | 第12-13页 |
| ·半监督学习 | 第13页 |
| ·Graph-Based 半监督学习 | 第13-14页 |
| 第3章 实验方法、内容及结果 | 第14-28页 |
| ·实验思路及方法 | 第14页 |
| ·数据准备 | 第14-15页 |
| ·数据来源 | 第14页 |
| ·数据预处理 | 第14-15页 |
| ·传统文本分类的应用实验 | 第15-18页 |
| ·朴素贝叶斯分类器 | 第15-17页 |
| ·SVM 支持向量机 | 第17-18页 |
| ·利用矩阵填充算法填充文本相关度矩阵 | 第18-22页 |
| ·填充不完整文本相关矩阵 | 第18-21页 |
| ·利用填充得到的矩阵进行分类 | 第21页 |
| ·无法有效填充的情况 | 第21-22页 |
| ·文本相关度值分级矩阵的恢复计算 | 第22-28页 |
| ·构造元素值分级矩阵方法 | 第22-24页 |
| ·构造元素值分级矩阵的实验结果 | 第24-26页 |
| ·根据矩阵填充结果进行聚类并与原矩阵聚类结果及真实类别进行比较 | 第26-27页 |
| ·实验结果分析 | 第27-28页 |
| 第4章 总结与展望 | 第28-29页 |
| 参考文献 | 第29-31页 |
| 致谢 | 第31-33页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第33页 |