基于概率主题模型的文档自动分类
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·研究内容和创新 | 第11-12页 |
| ·研究内容 | 第11页 |
| ·使用平台 | 第11-12页 |
| ·软件开发基于理论 | 第12页 |
| ·研究创新 | 第12页 |
| ·论文结构 | 第12-13页 |
| 2 相关研究进展 | 第13-19页 |
| ·中文分词研究进展 | 第13页 |
| ·中文分词概念 | 第13页 |
| ·中文分词发展状况 | 第13页 |
| ·文档分类相关研究进展 | 第13-18页 |
| ·文档分类的概念 | 第13-14页 |
| ·文档分类的现状 | 第14-16页 |
| ·简化的基于概率主题模型分类方法 | 第16-17页 |
| ·模糊K-Means结合概率主题分类 | 第17-18页 |
| ·本章总结 | 第18-19页 |
| 3 实现中文分词 | 第19-29页 |
| ·分词相关概述 | 第19页 |
| ·常见中文分词实现方法 | 第19-20页 |
| ·基于字符串匹配的分词法 | 第19-20页 |
| ·基于统计的分词方法 | 第20页 |
| ·基于知识理解的分词方法 | 第20页 |
| ·本文采用的分类方法 | 第20页 |
| ·具体分词步骤 | 第20-24页 |
| ·词库的选择和处理 | 第21-23页 |
| ·文档初分 | 第23页 |
| ·正向匹配词库的逻辑方法 | 第23-24页 |
| ·程序实现 | 第24-25页 |
| ·分词界面 | 第24-25页 |
| ·主要功能及实现方法 | 第25页 |
| ·分词的简单改进 | 第25-28页 |
| ·本章总结 | 第28-29页 |
| 4 主题抽取 | 第29-36页 |
| ·概述 | 第29页 |
| ·概率主题模型 | 第29页 |
| ·主题的概念 | 第29页 |
| ·使用训练文档库 | 第29页 |
| ·主题抽取 | 第29-35页 |
| ·软件实现 | 第30页 |
| ·以各类别的最大词频作为主题 | 第30-32页 |
| ·以各类别的最大词频剔除常出现词作为主题 | 第32-35页 |
| ·本章总结 | 第35-36页 |
| 5 概率分布 | 第36-41页 |
| ·概述 | 第36页 |
| ·界面 | 第36页 |
| ·功能实现 | 第36-37页 |
| ·导入导出分词结果 | 第36-37页 |
| ·产生概率分布 | 第37页 |
| ·计算结果 | 第37-40页 |
| ·第一种主题分布产生的概率分布 | 第37-38页 |
| ·第二种主题分布产生的概率分布 | 第38-39页 |
| ·两种不同概率分布的区别 | 第39-40页 |
| ·本章总结 | 第40-41页 |
| 6 有监督的自动分类 | 第41-51页 |
| ·概述 | 第41页 |
| ·概率分布比较 | 第41-46页 |
| ·相减法 | 第42-43页 |
| ·相除法 | 第43-44页 |
| ·相除平方法 | 第44-45页 |
| ·结果分析 | 第45-46页 |
| ·实现方法 | 第46-49页 |
| ·界面 | 第46页 |
| ·文件结构 | 第46-47页 |
| ·程序实现 | 第47-49页 |
| ·算法优化 | 第49-50页 |
| ·编码 | 第50页 |
| ·本章总结 | 第50-51页 |
| 7 无监督的自动分类 | 第51-53页 |
| ·概述 | 第51页 |
| ·设计思路 | 第51-52页 |
| ·实现方法 | 第52-53页 |
| ·混合文档并分词 | 第52页 |
| ·统计关键词 | 第52-53页 |
| ·随机挑选文章，并计算概率分布 | 第53页 |
| ·重新计算主题，并计算概率分布 | 第53页 |
| ·结果 | 第53页 |
| ·本章总结 | 第53页 |
| 8 总结和工作展望 | 第53-54页 |
| ·论文总结 | 第53-54页 |
| ·下一步研究 | 第54页 |
| ·自动化 | 第54页 |
| ·主题抽取 | 第54页 |
| ·多类别 | 第54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
