| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究内容 | 第10页 |
| ·本文组织结构 | 第10-12页 |
| 第2章 文本分类技术 | 第12-30页 |
| ·文本分类问题的描述 | 第12页 |
| ·文本分类任务的特点 | 第12-13页 |
| ·文本分类流程 | 第13-14页 |
| ·文本预处理 | 第14-16页 |
| ·中文分词 | 第14-15页 |
| ·去除停用词 | 第15-16页 |
| ·文本表示模型 | 第16-19页 |
| ·向量空间模型 | 第16-18页 |
| ·布尔模型 | 第18页 |
| ·概率模型 | 第18-19页 |
| ·图空间模型 | 第19页 |
| ·降维处理 | 第19-20页 |
| ·分类方法 | 第20-25页 |
| ·朴素贝叶斯方法 | 第21页 |
| ·KNN 方法 | 第21-22页 |
| ·支持向量机（SVM） | 第22-23页 |
| ·神经网络方法 | 第23-24页 |
| ·决策树方法 | 第24-25页 |
| ·分类性能评估 | 第25-28页 |
| ·准确率和召回率 | 第26页 |
| ·F 评估 | 第26-27页 |
| ·宏平均与微平均 | 第27页 |
| ·平衡点（BEP） | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 特征选择方法研究 | 第30-36页 |
| ·引言 | 第30页 |
| ·常用特征选择方法 | 第30-33页 |
| ·文档频率（DF） | 第30-31页 |
| ·信息增益（IG） | 第31页 |
| ·互信息（MI） | 第31-32页 |
| ·卡方统计量（CHI） | 第32-33页 |
| ·几率比(OR) | 第33页 |
| ·期望交叉熵(ECE) | 第33页 |
| ·特征选择函数的约束研究 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于不均衡数据集文本分类的特征选择算法研究与改进 | 第36-44页 |
| ·概述 | 第36页 |
| ·不均衡数据集分类问题 | 第36-38页 |
| ·不均衡数据集分类问题的难点 | 第36-37页 |
| ·不均衡数据集分类问题的相关研究 | 第37-38页 |
| ·基于不均衡数据集上文本分类的特征选择方法 | 第38-40页 |
| ·实验设计与分析 | 第40-42页 |
| ·语料库 | 第40页 |
| ·分词 | 第40-41页 |
| ·分类算法和性能评估方法 | 第41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第5章 特征词权重计算方法的改进 | 第44-52页 |
| ·常用的特征权重算法 | 第44页 |
| ·TF-IDF 的介绍 | 第44-46页 |
| ·基于 TF-IDF 的改进计算方法 | 第46-47页 |
| ·TF-IDF* λ IG | 第47页 |
| ·TF-IDF* λ CHI | 第47页 |
| ·实验设计与分析 | 第47-51页 |
| ·语料库 | 第47-48页 |
| ·KNN 算法中 K 值的确定 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间所发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |