基于关联规则的文本类投诉信息分类方法及分类器构建
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究问题 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 研究目标与意义 | 第11页 |
| 1.5 研究内容 | 第11-13页 |
| 第二章 文本分类理论基础 | 第13-20页 |
| 2.1 文本分类概述 | 第13-16页 |
| 2.1.1 文本分类定义 | 第13-14页 |
| 2.1.2 文本分类过程 | 第14-15页 |
| 2.1.3 文本分类方法 | 第15-16页 |
| 2.2 数据挖掘概述 | 第16-17页 |
| 2.2.1 数据挖掘基本概念 | 第16-17页 |
| 2.2.2 数据挖掘的分类 | 第17页 |
| 2.3 关联规则挖掘 | 第17-20页 |
| 2.3.1 关联规则定义 | 第17-18页 |
| 2.3.2 Apriori 算法 | 第18-20页 |
| 第三章 文本类投诉信息自动分类方法研究 | 第20-31页 |
| 3.1 文本类投诉问题分析及模块设计 | 第20-22页 |
| 3.1.1 问题分析 | 第20页 |
| 3.1.2 模块设计 | 第20-22页 |
| 3.2 数据源构建 | 第22-26页 |
| 3.2.1 投诉流程描述 | 第22-23页 |
| 3.2.2 投诉信息描述 | 第23-25页 |
| 3.2.3 投诉部门确认 | 第25-26页 |
| 3.3 数据处理 | 第26-31页 |
| 3.3.1 中文分词 | 第26-28页 |
| 3.3.2 特征提取 | 第28-31页 |
| 第四章 基于 Apriori 的类别关联规则挖掘 | 第31-39页 |
| 4.1 数据集构建 | 第31-32页 |
| 4.1.1 事务数据库构建 | 第31-32页 |
| 4.1.2 挖掘算法数据集构建 | 第32页 |
| 4.2 传统 Apriori 算法实现 | 第32-35页 |
| 4.2.1 实验过程 | 第32-33页 |
| 4.2.2 结果分析 | 第33-35页 |
| 4.3 改进的 Apriori 算法 | 第35-37页 |
| 4.3.1 数据集划分 | 第35-36页 |
| 4.3.2 无效 k 项集剪枝 | 第36-37页 |
| 4.3.3 无效规则剪枝 | 第37页 |
| 4.4 类别关联规则展示 | 第37-39页 |
| 4.4.1 挖掘结果描述 | 第37-38页 |
| 4.4.2 类别关联规则展示 | 第38-39页 |
| 第五章 文本类投诉信息分类器的构建 | 第39-48页 |
| 5.1 分类器构建基础 | 第39-40页 |
| 5.1.1 分类器基本概念 | 第39页 |
| 5.1.2 CBA-CB 分类器构建算法思想 | 第39-40页 |
| 5.2 类别关联规则集抽象描述 | 第40-41页 |
| 5.2.1 类别规则抽象描述 | 第40页 |
| 5.2.2 分类器规则集抽象描述 | 第40-41页 |
| 5.3 判定树构建 | 第41-45页 |
| 5.3.1 判定树构建思想 | 第41-43页 |
| 5.3.2 叶子节点构建方法 | 第43页 |
| 5.3.3 上层节点构建方法 | 第43-45页 |
| 5.4 分类器判定实验过程 | 第45-48页 |
| 5.4.1 分类器判定流程 | 第45-46页 |
| 5.4.2 分类器判定实验过程展示 | 第46-48页 |
| 第六章 结论与展望 | 第48-50页 |
| 6.1 工作总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录1 核心代码 | 第52-56页 |
| 致谢 | 第56页 |
