基于信息熵的中文文本分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·文本分类的研究背景和意义 | 第9-10页 |
| ·文本分类技术的研究现状 | 第10-12页 |
| ·文本分类在国外的发展 | 第10-11页 |
| ·文本分类在国内的发展 | 第11-12页 |
| ·本文工作 | 第12-13页 |
| ·本文课题来源和内容组织 | 第13-14页 |
| ·本文课题来源 | 第13页 |
| ·本文内容组织 | 第13-14页 |
| 第二章 文本分类概述 | 第14-30页 |
| ·文本分类的基本概念 | 第14-15页 |
| ·文本分类问题描述 | 第14页 |
| ·文本分类的技术路线 | 第14-15页 |
| ·文本表示模型 | 第15-17页 |
| ·文本表示方法 | 第15-16页 |
| ·向量空间模型 | 第16-17页 |
| ·分词方法 | 第17-19页 |
| ·基于字符串匹配的分词方法 | 第18页 |
| ·基于统计的分词方法 | 第18页 |
| ·专家系统分词方法 | 第18-19页 |
| ·神经网络的分词方法 | 第19页 |
| ·文本特征选择 | 第19-22页 |
| ·词频方法 | 第20页 |
| ·信息增益方法 | 第20页 |
| ·互信息方法 | 第20-21页 |
| ·交叉熵方法 | 第21页 |
| ·文本证据权方法 | 第21页 |
| ·CHI统计方法 | 第21-22页 |
| ·文本分类方法 | 第22-28页 |
| ·贝叶斯方法 | 第22-23页 |
| ·KNN方法——k近邻方法 | 第23-24页 |
| ·支持向量机法 | 第24-27页 |
| ·类中心分类法 | 第27页 |
| ·神经网络算法 | 第27-28页 |
| ·分类算法评估 | 第28-30页 |
| 第三章 信息论度量 | 第30-35页 |
| ·信息论与数据挖掘 | 第30-31页 |
| ·通信传输过程 | 第30-31页 |
| ·信息传输与数据挖掘 | 第31页 |
| ·信息熵 | 第31-33页 |
| ·条件熵 | 第33-34页 |
| ·互信息 | 第34-35页 |
| 第四章 关键词集抽取算法模型 | 第35-42页 |
| ·基于字符串匹配的分词方法 | 第35-36页 |
| ·基于统计的分词方法 | 第36-37页 |
| ·字符串匹配方法与统计方法比较 | 第37页 |
| ·关键词集抽取算法 | 第37-39页 |
| ·关键短语的界定 | 第37-38页 |
| ·中文分词 | 第38页 |
| ·文本预处理 | 第38-39页 |
| ·关键词集抽取 | 第39页 |
| ·关键词集抽取实验 | 第39-42页 |
| ·实验环境 | 第39-40页 |
| ·实验过程及结果 | 第40-41页 |
| ·实验结果分析 | 第41-42页 |
| 第五章 基于信息熵的文本分类系统设计与分析 | 第42-49页 |
| ·系统设计的目的和意义 | 第42页 |
| ·系统框架 | 第42-43页 |
| ·基于熵的分类模型 | 第43-45页 |
| ·算法流程 | 第44-45页 |
| ·关键算法 | 第45页 |
| ·数据集 | 第45-46页 |
| ·训练集和测试集 | 第45-46页 |
| ·语料库的选取 | 第46页 |
| ·文本分类实验 | 第46-49页 |
| ·实验环境 | 第46-47页 |
| ·实验过程及结果 | 第47-48页 |
| ·实验结果分析 | 第48-49页 |
| 第六章 结束语 | 第49-50页 |
| ·总结 | 第49页 |
| ·下一步工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 在读硕士期间发表的学术论文 | 第55页 |
