基于向量空间模型的中文文本分类技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 前言 | 第7-9页 |
| 第一章 文本自动分类概述 | 第9-14页 |
| ·文本自动分类研究的背景和意义 | 第9页 |
| ·问题描述 | 第9-10页 |
| ·文本分类 | 第9-10页 |
| ·文本自动分类的两种类型 | 第10页 |
| ·两种分类模型 | 第10页 |
| ·基于统计的中文文本自动分类 | 第10-13页 |
| ·本文所做的工作 | 第13-14页 |
| 第二章 文本的结构化表示 | 第14-20页 |
| ·向量空间模型 | 第14-16页 |
| ·向量空间模型的基本概念 | 第14页 |
| ·向量间的相似度 | 第14-16页 |
| ·特征项加权 | 第16-18页 |
| ·加权算法概述 | 第16-17页 |
| ·加权算法改进 | 第17-18页 |
| ·特征项的选择 | 第18-19页 |
| ·关于VSM 的讨论 | 第19-20页 |
| 第三章 特征选择与分类算法 | 第20-27页 |
| ·特征选择 | 第20-25页 |
| ·特征项的获取 | 第20-22页 |
| ·特征选择方法 | 第22-24页 |
| ·一种新的特征选择方法 | 第24-25页 |
| ·分类算法研究 | 第25-27页 |
| ·贝叶斯算法 | 第25-26页 |
| ·k-近邻算法 | 第26页 |
| ·类中心分类算法 | 第26-27页 |
| 第四章 分类器的学习算法 | 第27-34页 |
| ·EM 文本分类学习算法 | 第27-28页 |
| ·EM 算法 | 第27页 |
| ·EM 文本分类学习算法 | 第27-28页 |
| ·非监督的聚类算法 | 第28-30页 |
| ·非监督聚类算法的特点 | 第28页 |
| ·C-均值算法 | 第28-29页 |
| ·ISODATA 算法 | 第29-30页 |
| ·动态聚类算法存在的问题 | 第30页 |
| ·迭代TFIDF 算法 | 第30-34页 |
| ·TFIDF 算法 | 第30-31页 |
| ·迭代TFIDF 算法 | 第31-32页 |
| ·迭代TFIDF 算法存在的问题 | 第32页 |
| ·主动学习的迭代TFIDF 算法 | 第32-34页 |
| 第五章 系统设计与实验测试 | 第34-44页 |
| ·中文文本分类实验系统 | 第34-37页 |
| ·系统的体系结构 | 第34页 |
| ·系统的实现 | 第34-37页 |
| ·实验测试 | 第37-44页 |
| ·分类结果的评价方法 | 第37-38页 |
| ·测试语料 | 第38页 |
| ·特征选择及加权算法测试 | 第38-41页 |
| ·学习算法测试 | 第41-44页 |
| 结束语 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 攻读硕士学位期间发表的论文 | 第48-49页 |
| 中文详细摘要 | 第49-54页 |
