基于KNN的专利文本分类算法研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-17页 |
| ·研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·专利分类设计背景 | 第12-14页 |
| ·本文主要研究内容 | 第14页 |
| ·本文的章节安排 | 第14-15页 |
| ·本章小节 | 第15-17页 |
| 2 文本分类的基础研究 | 第17-29页 |
| ·文本分类过程 | 第17-18页 |
| ·预处理 | 第18页 |
| ·分词 | 第18-20页 |
| ·文本表示模型 | 第20-22页 |
| ·向量空间模型 | 第20-22页 |
| ·降维处理 | 第22-26页 |
| ·文档频率 | 第23-24页 |
| ·信息增益 | 第24页 |
| ·互信息 | 第24-25页 |
| ·2统计量 | 第25页 |
| ·期望交叉熵 | 第25-26页 |
| ·权重计算方法 | 第26-28页 |
| ·文本分类算法评估指标 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 文本分类算法研究 | 第29-39页 |
| ·类中心向量法 | 第29页 |
| ·朴素贝叶斯法 | 第29-30页 |
| ·支持向量机法 | 第30-33页 |
| ·KNN 算法 | 第33-34页 |
| ·决策树算法 | 第34-35页 |
| ·神经网络算法 | 第35-36页 |
| ·组合算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 专利文本 KNN 分类算法的研究 | 第39-63页 |
| ·KNN 文本分类系统 | 第39-41页 |
| ·普通的 KNN 分类算法简介 | 第40页 |
| ·存在问题分析 | 第40-41页 |
| ·优化的 KNN 文本分类算法 | 第41-43页 |
| ·压缩模型 | 第41-42页 |
| ·KNN 算法的分类模型 | 第42-43页 |
| ·结合簇和压缩模型的 KNN 分类算法思想 | 第43-45页 |
| ·结合簇和压缩模型的 KNN 分类算法 | 第45-49页 |
| ·系统流程 | 第49-53页 |
| ·实验 | 第53-62页 |
| ·实验设计 | 第53页 |
| ·实验结果分析 | 第53-62页 |
| ·本章小节 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| ·论文总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
