文本分类中特征选择方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| 2 文本分类相关技术 | 第14-30页 |
| ·定义和特点 | 第14-15页 |
| ·文本分类的定义 | 第14页 |
| ·文本分类任务的特点 | 第14-15页 |
| ·文本分类的流程 | 第15-16页 |
| ·文本预处理 | 第16-18页 |
| ·中文分词 | 第17-18页 |
| ·去除停用词 | 第18页 |
| ·特征提取 | 第18-22页 |
| ·基于评估函数的特征提取方法 | 第18-20页 |
| ·考虑相关性的特征提取方法 | 第20-21页 |
| ·语义特征提取 | 第21-22页 |
| ·文本表示 | 第22-24页 |
| ·基本思想 | 第22页 |
| ·表示模型 | 第22-24页 |
| ·分类算法 | 第24-27页 |
| ·K-最近邻分类算法 | 第24-25页 |
| ·朴素贝叶斯分类算法 | 第25-26页 |
| ·支持向量机分类方法 | 第26-27页 |
| ·文本分类器的测试和评价 | 第27-30页 |
| ·语料库 | 第27-28页 |
| ·测试方法 | 第28页 |
| ·文本分类器的评价 | 第28-30页 |
| 3 基于知网的语义概念特征提取 | 第30-50页 |
| ·语义概念特征提取的基本思想 | 第30页 |
| ·知网概述 | 第30-31页 |
| ·基于知网的语义概念特征提取 | 第31-38页 |
| ·语义概念在特征特取中的应用 | 第32-34页 |
| ·词义消歧 | 第34-35页 |
| ·概念聚类 | 第35-36页 |
| ·算法描述与分析 | 第36-38页 |
| ·分类系统的实现 | 第38-43页 |
| ·分类系统的体系结构 | 第38-39页 |
| ·分类系统的主要算法流程 | 第39-41页 |
| ·分类系统主要图形用户界面 | 第41-43页 |
| ·实验与结果分析 | 第43-49页 |
| ·实验平台 | 第43-44页 |
| ·实验语料 | 第44页 |
| ·实验步骤 | 第44-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于语义的权重计算 | 第50-63页 |
| ·基于向量空间模型的文本表示 | 第50-51页 |
| ·经典的特征项权重计算方法及不足 | 第51-53页 |
| ·改进的语义权重计算方法 | 第53-59页 |
| ·应用语义信息的特征权重计算过程 | 第53-55页 |
| ·语义因子加权 | 第55-57页 |
| ·语义概念加权 | 第57-58页 |
| ·算法描述与分析 | 第58-59页 |
| ·实验与结果分析 | 第59-62页 |
| ·实验设计 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 5 总结 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·下一步的工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69页 |
