| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题的研究背景和意义 | 第11页 |
| ·文本分类的基本概念 | 第11-15页 |
| ·数据挖掘及文本挖掘的概念 | 第11-13页 |
| ·文本分类的定义 | 第13-15页 |
| ·文本分类算法的类型 | 第15页 |
| ·文本分类的发展和研究现状 | 第15-16页 |
| ·本文组织和安排 | 第16-18页 |
| 第二章 KNN 中文文本自动分类技术 | 第18-26页 |
| ·中文文本分类技术的一般过程 | 第18-19页 |
| ·特征选取算法 | 第19-21页 |
| ·文档频率 | 第19页 |
| ·信息增益 | 第19-20页 |
| ·互信息 | 第20页 |
| ·χ~2 检验 | 第20-21页 |
| ·分类算法 | 第21-24页 |
| ·质量评估方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 K-KNN :基于中心文档的KNN 中文文本分类算法 | 第26-38页 |
| ·引言 | 第26页 |
| ·文本表示与相似度的相关概念 | 第26-29页 |
| ·向量空间模型 | 第27-28页 |
| ·相似度计算 | 第28-29页 |
| ·基于知网的词语相似度 | 第29-31页 |
| ·词语相似度与距离 | 第29页 |
| ·知网及词语相似度计算 | 第29-31页 |
| ·K-KNN:基于中心文档的knn 分类 | 第31-35页 |
| ·聚类中心文档 | 第31-32页 |
| ·文档间相似度计算 | 第32-34页 |
| ·算法描述 | 第34-35页 |
| ·实验结果与分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于KNN 训练样本集不均衡的一种处理方法 | 第38-45页 |
| ·引言 | 第38页 |
| ·训练样本集不均对分类结果的影响 | 第38-40页 |
| ·基于较小K 值分类相交类别文本算法 | 第40-42页 |
| ·算法有效性分析 | 第41页 |
| ·边界文本及其判定方法 | 第41页 |
| ·算法描述 | 第41-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-46页 |
| ·本文主要工作总结 | 第45页 |
| ·进一步的研究工作 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表的学术论文 | 第49-50页 |