基于向量空间的文本自动分类系统的研究和实现
| 第一章 绪论 | 第1-11页 |
| 1．1 背景 | 第7页 |
| 1．2 中文搜索引擎的现状和不足 | 第7-9页 |
| 1．2．1 中文搜索引擎的现状 | 第7-8页 |
| 1．2．2 中文搜索引擎的不足 | 第8-9页 |
| 1．3 新一代智能搜索引擎的架构设计 | 第9-10页 |
| 1．3．1 在人机界面中的应用 | 第10页 |
| 1．3．2 在分析模块中的应用 | 第10页 |
| 1．4 课题来源 | 第10页 |
| 1．5 本文的研究内容 | 第10-11页 |
| 第二章 自然语言理解概述 | 第11-17页 |
| 2．1 自然语言理解的基本概念 | 第11-12页 |
| 2．1．1 什么是自然语言 | 第11页 |
| 2．1．2 什么是自然语言理解 | 第11页 |
| 2．1．3 关于理解 | 第11-12页 |
| 2．2 自然语言理解的困难度 | 第12-13页 |
| 2．3 自然语言理解模型 | 第13-15页 |
| 2．4 语言及汉语的特点 | 第15-17页 |
| 2．4．1 自然语言的基本特征 | 第15-16页 |
| 2．4．2 汉语的特点 | 第16-17页 |
| 第三章 文本分类与文本检索的关系 | 第17-21页 |
| 3．1 信息检索系统的组成 | 第17页 |
| 3．2 布尔检索模型 | 第17-18页 |
| 3．3 向量空间模型 | 第18-19页 |
| 3．4 概率模型 | 第19-21页 |
| 第四章 文本分类与信息提取的关系 | 第21-28页 |
| 4．1 信息提取系统的概念 | 第21页 |
| 4．2 信息提取系统的任务 | 第21页 |
| 4．3 信息提取系统的基本组成部件 | 第21-28页 |
| 4．3．1 命名实体的识别 | 第22-23页 |
| 4．3．2 信息提取系统中的句法分析 | 第23-27页 |
| 4．3．3 共指消解 | 第27-28页 |
| 第五章 文本分类 | 第28-33页 |
| 5．1 文本自动分类的基本概念 | 第28-29页 |
| 5．2 文本自动分类的分类方法 | 第29-31页 |
| 5．2．1 贝叶斯分类法 | 第30页 |
| 5．2．2 决策树分类法 | 第30-31页 |
| 5．2．3 最近K邻居方法 | 第31页 |
| 5．3 自动分类在搜索引擎中应用的实例 | 第31-33页 |
| 第六章 实验系统的设计方案 | 第33-38页 |
| 6．1 系统任务 | 第33页 |
| 6．2 系统的总体框架结构 | 第33-34页 |
| 6．3 分类前的文本处理 | 第34页 |
| 6．4 特征项的抽取 | 第34-36页 |
| 6．5 分类算法 | 第36-37页 |
| 6．5．1 简单向量距离分类法 | 第36页 |
| 6．5．2 阈值的确定 | 第36-37页 |
| 6．6 评估方法 | 第37-38页 |
| 第七章 实验系统的实现 | 第38-51页 |
| 7．1 文本自动分类系统的概要设计 | 第38-39页 |
| 7．2 系统的详细设计 | 第39-44页 |
| 7．2．1 包路径设计 | 第39-40页 |
| 7．2．2 类(主要部分)的设计 | 第40-41页 |
| 7．2．3 存储设计 | 第41-42页 |
| 7．2．4 数据库设计 | 第42-43页 |
| 7．2．5 视图设计 | 第43-44页 |
| 7．3 系统实现 | 第44-49页 |
| 7．3．1 源文件说明 | 第44-45页 |
| 7．3．2 管道的实现 | 第45-46页 |
| 7．3．3 线程池的实现 | 第46-47页 |
| 7．3．4 数据库代理实现 | 第47-48页 |
| 7．3．5 分类算法实现 | 第48-49页 |
| 7．3．6 多线程同步 | 第49页 |
| 7．4 实验结果 | 第49-50页 |
| 7．5 实验结果评估 | 第50-51页 |
| 总结 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士生期间所发表的论文 | 第55页 |
