| 目录 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·国内外相关的研究现状 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·论文的组织 | 第14-16页 |
| 第2章 文本分类及关键技术 | 第16-33页 |
| ·文本表示 | 第16-19页 |
| ·布尔逻辑模型 | 第16-17页 |
| ·向量空间模型 | 第17-18页 |
| ·概率推理模型 | 第18-19页 |
| ·权重计算 | 第19-21页 |
| ·布尔权重 | 第19页 |
| ·词频权重 | 第19-20页 |
| ·词频逆文档频权重 | 第20-21页 |
| ·改进的词频逆文档频权重 | 第21页 |
| ·特征降维算法 | 第21-27页 |
| ·特征选择 | 第21-24页 |
| ·特征抽取 | 第24-27页 |
| ·文本分类算法 | 第27-32页 |
| ·决策树算法 | 第27-28页 |
| ·朴素贝叶斯算法 | 第28-29页 |
| ·支持向量机算法 | 第29-30页 |
| ·k -最近邻结点算法 | 第30-31页 |
| ·神经网络算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 同义词词林和知网介绍 | 第33-40页 |
| ·同义词词林 | 第33-36页 |
| ·同义词词林及扩展版简介 | 第33页 |
| ·同义词词林类别表示方法 | 第33页 |
| ·同义词词林层次编码方法 | 第33-34页 |
| ·基于同义词词林的词语相似度算法 | 第34-36页 |
| ·知网 | 第36-39页 |
| ·知网简介 | 第36页 |
| ·知网结构 | 第36-38页 |
| ·基于知网的词语相关度计算 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于语义的文本特征加权分类算法 | 第40-44页 |
| ·词频合并分析 | 第40页 |
| ·词语相关度计算 | 第40-41页 |
| ·数据降噪 | 第41页 |
| ·实验设计与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 非线性流形学习算法介绍 | 第44-46页 |
| ·流形学习 | 第44页 |
| ·流形定义 | 第44页 |
| ·流形学习 | 第44页 |
| ·局部线性嵌入算法 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 基于非线性流形学习和 KNN 的文本分类算法 | 第46-49页 |
| ·文本表示模型的优化 | 第46-47页 |
| ·算法描述 | 第47页 |
| ·实验设计 | 第47-48页 |
| ·本章总结 | 第48-49页 |
| 第7章 总结与展望 | 第49-50页 |
| ·全文总结 | 第49页 |
| ·未来研究展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第54-55页 |
| 致谢 | 第55页 |