公安执法监督管理中的文本理解技术的研究及其应用
| 第一章 绪论 | 第1-11页 |
| ·课题提出的背景及其意义 | 第7页 |
| ·文本分类的发展历史及应用前景 | 第7-8页 |
| ·中文自动文本分类面临的困难 | 第8-9页 |
| ·本文主要研究内容及论文组织结构 | 第9-11页 |
| 第二章 中文文本自动分类概述 | 第11-18页 |
| ·汉语的计算机理解 | 第11-12页 |
| ·汉语的特点及理解中的特殊问题 | 第11页 |
| ·法律文本的类型和特点 | 第11-12页 |
| ·文本分类问题描述 | 第12-15页 |
| ·文本分类的定义及原理 | 第12-13页 |
| ·文本分类的基本过程 | 第13-15页 |
| ·文本分类器性能评价指标 | 第15-18页 |
| 第三章 法律文本预处理及文本模型选择 | 第18-25页 |
| ·概述 | 第18页 |
| ·分词 | 第18-21页 |
| ·什么是汉语中的基本处理单元 | 第18-19页 |
| ·分词中两个关键问题 | 第19-20页 |
| ·常用分词算法介绍 | 第20-21页 |
| ·去停留词 | 第21-22页 |
| ·文本模型的建立 | 第22-25页 |
| 第四章 文本特征提取 | 第25-33页 |
| ·文本特征子集构造方法 | 第25-29页 |
| ·概述 | 第25页 |
| ·常见评价函数的构造 | 第25-28页 |
| ·改进的基于互信息的特征提取方法及实现 | 第28-29页 |
| ·文本向量空间的生成 | 第29-30页 |
| ·向量空间的二次降维 | 第30-33页 |
| 第五章 文本分类算法 | 第33-39页 |
| ·概述 | 第33页 |
| ·Naive Bayes分类法 | 第33-34页 |
| ·Rocchio分类器 | 第34-35页 |
| ·决策树方法 | 第35页 |
| ·KNN分类法 | 第35-36页 |
| ·SVM分类法 | 第36-37页 |
| ·分类方法性能比较与选择 | 第37-39页 |
| 第六章 中文法律案情文本分类系统的设计与实现 | 第39-47页 |
| ·概述 | 第39页 |
| ·系统设计 | 第39-41页 |
| ·开发平台和实验语料库的构建 | 第39-40页 |
| ·系统结构 | 第40-41页 |
| ·系统实现 | 第41-44页 |
| ·预处理 | 第41页 |
| ·特征提取 | 第41-42页 |
| ·文本的VSM表示 | 第42-44页 |
| ·文本分类 | 第44页 |
| ·实验结果和小结 | 第44-47页 |
| 第七章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |
