中文文本自动分类的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题的背景和研究意义 | 第9-10页 |
| 1.2 课题的研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 中文文本分类基础理论 | 第13-28页 |
| 2.1 文本分类的定义及基本流程 | 第13-14页 |
| 2.1.1 文本分类的定义 | 第13页 |
| 2.1.2 文本分类的基本流程 | 第13-14页 |
| 2.2 文本预处理 | 第14-16页 |
| 2.2.1 自动分词 | 第14-15页 |
| 2.2.2 去停用词 | 第15-16页 |
| 2.3 文本表示 | 第16-21页 |
| 2.3.1 布尔模型 | 第16-17页 |
| 2.3.2 概率模型 | 第17页 |
| 2.3.3 向量空间模型 | 第17-21页 |
| 2.4 文本分类方法 | 第21-25页 |
| 2.4.1 中心向量比较算法 | 第21-22页 |
| 2.4.2 朴素贝叶斯算法 | 第22-23页 |
| 2.4.3 支持向量机算法 | 第23-24页 |
| 2.4.4 K近邻分类算法 | 第24页 |
| 2.4.5 其它分类算法 | 第24-25页 |
| 2.5 文本分类性能评估 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 K最近邻分类方法的研究及其改进 | 第28-36页 |
| 3.1 KNN分类算法 | 第28-31页 |
| 3.1.1 KNN分类算法 | 第28-29页 |
| 3.1.2 KNN分类算法的优缺点 | 第29页 |
| 3.1.3 KNN改进方法总结 | 第29-31页 |
| 3.2 基于拉推策略的一种改进KNN算法 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 实验设计及分析 | 第36-46页 |
| 4.1 实验准备和说明 | 第36页 |
| 4.2 实验结果及分析 | 第36-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间或公开发表的论著、论文 | 第48-49页 |
| 参考文献 | 第49-51页 |
