基于语义中心的KNN文本分类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·基本概念 | 第7-8页 |
| ·文本分类的定义 | 第7-8页 |
| ·文本聚类的定义 | 第8页 |
| ·文本分类和聚类的发展和现状 | 第8-10页 |
| ·研究工作背景 | 第10-11页 |
| ·论文的主要研究内容 | 第11-12页 |
| ·论文结构和安排 | 第12-13页 |
| 2 文本表示和特征选择 | 第13-23页 |
| ·文本表示模型 | 第13-15页 |
| ·向量空间模型 | 第13-15页 |
| ·文本预处理 | 第15-16页 |
| ·字符编码转换 | 第15页 |
| ·中文文本分词 | 第15-16页 |
| ·停用词过滤 | 第16页 |
| ·特征权重计算 | 第16-17页 |
| ·文本间的相似度计算 | 第17-18页 |
| ·文本特征选择 | 第18-22页 |
| ·特征选择对分类的作用 | 第18-19页 |
| ·特征选择的几种方法 | 第19-22页 |
| ·小结 | 第22-23页 |
| 3 文本分类算法 | 第23-30页 |
| ·概述 | 第23页 |
| ·SVM分类算法 | 第23-25页 |
| ·统计学习理论 | 第23-24页 |
| ·支持向量机及其分类原理 | 第24-25页 |
| ·KNN分类算法 | 第25-27页 |
| ·使用相似度和辅助KNN分类 | 第26页 |
| ·KNN和SVM的优劣对比 | 第26-27页 |
| ·文本分类的质量评价 | 第27-29页 |
| ·宏平均和微平均 | 第27-28页 |
| ·平衡点(BEP)和F值 | 第28-29页 |
| ·文本分类的过程 | 第29页 |
| ·小结 | 第29-30页 |
| 4 基于聚类的KNN语义中心构造 | 第30-39页 |
| ·基于划分的聚类算法 | 第30-31页 |
| ·K-平均(K-means)算法 | 第30-31页 |
| ·K-中心点(K-medoids)算法 | 第31页 |
| ·聚类质量的评价 | 第31-33页 |
| ·内部评价标准 | 第31-32页 |
| ·外部评价标准 | 第32-33页 |
| ·聚类中心点初始化方法的改进 | 第33-35页 |
| ·K近邻聚类算法的改进 | 第35-37页 |
| ·基于聚类算法的语义中心构造 | 第37-38页 |
| ·小结 | 第38-39页 |
| 5 实验及在项目中的应用 | 第39-55页 |
| ·系统结构 | 第39-41页 |
| ·系统总体结构 | 第39-40页 |
| ·实验模块中各部分说明 | 第40-41页 |
| ·实验所用的数据集 | 第41-42页 |
| ·实验设计与结果分析 | 第42-55页 |
| ·分类算法部分的实验 | 第43-49页 |
| ·聚类的相关实验部分 | 第49-53页 |
| ·构建语义中心 | 第53-55页 |
| 6 总结和展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
