| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-11页 |
| ·课题的目的和意义 | 第6-7页 |
| ·文本自动分类系统的特点 | 第7页 |
| ·拟定题目在国内外的发展 | 第7-8页 |
| ·课题在国外的发展情况 | 第7页 |
| ·课题在国内的发展情况 | 第7-8页 |
| ·课题当前主要的应用领域 | 第8页 |
| ·课题当前面临的突出问题 | 第8-9页 |
| ·本文的主要工作 | 第9-11页 |
| 第二章 文本分类基础理论及系统结构 | 第11-29页 |
| ·文本分类基本概念 | 第11-12页 |
| ·文本分类的定义 | 第11页 |
| ·文本分类的类别 | 第11-12页 |
| ·文本自动分类涉及的主要技术及方法 | 第12-25页 |
| ·文本自动分词技术 | 第12-13页 |
| ·文本表示技术 | 第13-16页 |
| ·文本特征项的权重 | 第16-17页 |
| ·文本的特征选择与特征提取 | 第17-21页 |
| ·文本分类算法 | 第21-25页 |
| ·文本分类的评价体系 | 第25-27页 |
| ·查全率(Recall)与查准率(Precision) | 第25-26页 |
| ·宏平均(MacroAveraging)与微平均(MicroAveraging) | 第26-27页 |
| ·BEP(Breakevenpoint)和Fβ函数 | 第27页 |
| ·文本分类的系统结构 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 中文文本自动分类系统的实现 | 第29-48页 |
| ·中文文本自动分类系统的预处理 | 第29-35页 |
| ·基于最大匹配分词算法的中文文本分词处理 | 第29-31页 |
| ·改进的增强型最大匹配分词法(IMM法) | 第31-35页 |
| ·未登陆词识别 | 第35页 |
| ·基于向量空间模型VSM的文本自动分类 | 第35-36页 |
| ·基于KL-Divergence的特征选取算法 | 第36-42页 |
| ·KL-Divergence定义 | 第36-37页 |
| ·改进型KL-Divergence的特征选取法 | 第37-39页 |
| ·特征权重的计算-TFIDF法 | 第39-40页 |
| ·构建类模型 | 第40-42页 |
| ·基于朴素贝叶斯算法的分类器构造 | 第42-47页 |
| ·朴素贝叶斯分类器 | 第42-44页 |
| ·改进的朴素贝叶斯分类器 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 系统设计与实验测试 | 第48-54页 |
| ·系统设计框架 | 第48页 |
| ·实验语料库及词典的构建 | 第48-50页 |
| ·训练集和测试集 | 第49页 |
| ·语料库的选取 | 第49页 |
| ·词典的选取 | 第49-50页 |
| ·实验环境 | 第50页 |
| ·实验结果评价 | 第50-53页 |
| ·分词系统实验结果 | 第50-51页 |
| ·分类系统实验结果及评价 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·下一步工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-64页 |
| 在学期间发表的学术论文和参加的科研情况 | 第64页 |
