| 第一章 绪论 | 第1-15页 |
| ·课题的研究背景 | 第7-8页 |
| ·典型应用 | 第8-9页 |
| ·文本分类技术的研究进展 | 第9-10页 |
| ·文本自动分类概述 | 第10-13页 |
| ·基本概念 | 第10页 |
| ·文本自动分类两种类型 | 第10-11页 |
| ·文本分类模式 | 第11页 |
| ·文本分类过程 | 第11-13页 |
| ·本文研究的内容与本文的组织 | 第13-15页 |
| 第二章 特征项赋权 | 第15-25页 |
| ·向量空间模型分析 | 第15-17页 |
| ·向量空间模型(Vector Space Model，VSM) | 第15-16页 |
| ·关于向量空间模型的讨论 | 第16-17页 |
| ·特征权重算法 | 第17-19页 |
| ·TF-IDF权重算法分析 | 第19-21页 |
| ·改进的权重算法 | 第21-25页 |
| 第三章 文本特征选取 | 第25-31页 |
| ·特征选取算法 | 第25-28页 |
| ·文档频率(DF) | 第26页 |
| ·信息增益(IG) | 第26-27页 |
| ·期望交叉熵 | 第27页 |
| ·互信息(MI) | 第27-28页 |
| ·特征选取算法比较 | 第28-29页 |
| ·改进的互信息算法 | 第29-31页 |
| 第四章 构建分类器 | 第31-37页 |
| ·常用分类算法分析 | 第31-34页 |
| ·Rocchio算法 | 第31-32页 |
| ·朴素贝叶斯算法 | 第32-33页 |
| ·K近邻算法 | 第33-34页 |
| ·支持向量机 | 第34页 |
| ·基于层次结构的分类方法 | 第34-37页 |
| 第五章 实验与结果分析 | 第37-47页 |
| ·RAINBOW文本分类系统 | 第37-38页 |
| ·数据集 | 第38页 |
| ·评价标准 | 第38-39页 |
| ·结果分析 | 第39-47页 |
| ·分类算法的性能比较实验 | 第39-41页 |
| ·改进的权重算法实验 | 第41-42页 |
| ·改进的互信息算法实验 | 第42-43页 |
| ·基于Rocchio的层次分类方法实验 | 第43-47页 |
| 第六章 结束语 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在读期间发表论文 | 第55页 |