首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于自身特征的短文本分类研究

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第14-20页
    1.1 引言第14-17页
    1.2 本文主要研究内容第17-18页
        1.2.1 课题来源第18页
        1.2.2 主要研究内容第18页
    1.3 组织框架第18-19页
    1.4 本章小结第19-20页
第二章 文本及短文本分类研究概述第20-34页
    2.1 引言第20页
    2.2 文本分类第20-30页
        2.2.1 文本分类相关技术第20-29页
        2.2.2 文本分类应用研究第29-30页
    2.3 短文本分类第30-33页
        2.3.1 研究动机第30-31页
        2.3.2 短文本分类研究现状第31-33页
    2.4 本章小结第33-34页
第三章 基于类区分特征的短文本分类方法研究第34-44页
    3.1 引言第34-35页
    3.2 基于类区分特征的短文本分类方法第35-37页
        3.2.1 类区分特征的选择第35-36页
        3.2.2 基于类区分特征的短文本分类算法第36-37页
    3.3 实验设计及结果分析第37-43页
        3.3.1 实验设置第37-39页
        3.3.2 参数取值讨论第39-40页
        3.3.3 分类性能对比第40-41页
        3.3.4 时间性能分析第41-42页
        3.3.5 训练集规模大小对实验的影响第42页
        3.3.6 方法对分类器敏感度的验证第42-43页
    3.4 本章小结第43-44页
第四章 基于自身特征扩展的短文本分类方法研究第44-53页
    4.1 引言第44-45页
    4.2 基于自身特征扩展的短文本分类方法第45-48页
        4.2.1 整体框架第45页
        4.2.2 特征空间选择第45-46页
        4.2.3 特征扩展第46-47页
        4.2.4 算法SC-FE描述与分析第47-48页
    4.3 实验设计及结果分析第48-52页
        4.3.1 实验设置第48-49页
        4.3.2 参数取值讨论第49-50页
        4.3.3 分类性能对比第50-51页
        4.3.4 方法对分类器敏感度的验证第51页
        4.3.5 方法在特征空间降维上的效果对比第51-52页
    4.4 本章小结第52-53页
第五章 总结与展望第53-55页
    5.1 本文总结第53页
    5.2 未来展望第53-55页
参考文献第55-59页
攻读硕士学位期间的学术活动及成果情况第59-60页

论文共60页,点击 下载论文
上一篇:基于最大池图匹配的形变目标跟踪方法
下一篇:中文评论短文本的评价对象抽取研究