基于文本挖掘的企业情报自动分类系统研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景以及意义 | 第13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 相关理论 | 第18-30页 |
| 2.1 文本分类的过程 | 第18-20页 |
| 2.1.1 文本结构定义 | 第18页 |
| 2.1.2 文本分类过程 | 第18-20页 |
| 2.2 文本预处理 | 第20页 |
| 2.3 文本表示模型 | 第20-23页 |
| 2.3.1 向量空间模型 | 第21页 |
| 2.3.2 特征项权重 | 第21-23页 |
| 2.4 特征选择技术 | 第23-25页 |
| 2.4.1 文档频率 | 第23页 |
| 2.4.2 信息增益 | 第23-24页 |
| 2.4.3 互信息 | 第24-25页 |
| 2.4.4 X~2统计量 | 第25页 |
| 2.5 文本分类方法 | 第25-29页 |
| 2.5.1 KNN算法 | 第25-26页 |
| 2.5.2 朴素贝叶斯算法 | 第26-27页 |
| 2.5.3 类中心向量法 | 第27页 |
| 2.5.4 神经网络 | 第27-28页 |
| 2.5.5 支持向量机 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 总体设计 | 第30-38页 |
| 3.1 系统分析 | 第30-31页 |
| 3.2 总体架构 | 第31-33页 |
| 3.3 数据结构 | 第33-34页 |
| 3.4 系统组成 | 第34-37页 |
| 3.4.1 数据采集模块 | 第34-35页 |
| 3.4.2 数据汇聚模块 | 第35-36页 |
| 3.4.3 情报分类模块 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 构建SVM-KNN文本分类模型 | 第38-59页 |
| 4.1 SVM-KNN构建流程 | 第38-39页 |
| 4.2 数据预处理 | 第39-47页 |
| 4.2.1 文本结构定义 | 第39-41页 |
| 4.2.2 分词处理及向量化 | 第41-44页 |
| 4.2.3 改进的特征向量 | 第44-47页 |
| 4.3 核函数的选取 | 第47-49页 |
| 4.4 相关参数确定 | 第49-54页 |
| 4.5 改进的SVM-KNN分类模型确定 | 第54-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 应用与分析 | 第59-67页 |
| 5.1 实验环境 | 第59页 |
| 5.2 系统应用 | 第59-61页 |
| 5.3 实验分析 | 第61-65页 |
| 5.3.1 实验数据 | 第61-62页 |
| 5.3.2 评估方法 | 第62-64页 |
| 5.3.3 测试评价 | 第64-65页 |
| 5.4 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
