基于粗糙集的文本分类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·引言 | 第10页 |
| ·文本分类的研究背景和意义 | 第10-11页 |
| ·国内外相关研究 | 第11-13页 |
| ·国外自动分类研究动态 | 第11-12页 |
| ·国内研究情况 | 第12-13页 |
| ·论文框架 | 第13-14页 |
| 第二章 粗糙集理论、WEB 挖掘和文本分类 | 第14-24页 |
| ·引言 | 第14页 |
| ·粗糙集基本概念 | 第14-17页 |
| ·粗糙集定义 | 第14页 |
| ·知识与不分明关系 | 第14-15页 |
| ·粗糙集与近似 | 第15-16页 |
| ·近似精度 | 第16-17页 |
| ·数据集的约简 | 第17-20页 |
| ·决策表 | 第17-18页 |
| ·约简与核 | 第18-19页 |
| ·可辨识矩阵 | 第19-20页 |
| ·规则集 | 第20页 |
| ·WEB 挖掘及其分类 | 第20-21页 |
| ·Web 挖掘 | 第20-21页 |
| ·Web 挖掘的分类 | 第21页 |
| ·文本分类算法 | 第21-24页 |
| ·简单中心向量比较算法 | 第21-22页 |
| ·支持向量机方法 | 第22-23页 |
| ·k 近邻法 | 第23-24页 |
| 第三章 文本特征提取 | 第24-35页 |
| ·文本的预处理 | 第24-31页 |
| ·文本的表示 | 第24-27页 |
| ·特征项的选择 | 第27-28页 |
| ·停用词的过滤 | 第28页 |
| ·中文分词面临的问题 | 第28-29页 |
| ·中文分词方法 | 第29-30页 |
| ·设置位置系数 | 第30-31页 |
| ·文本特征选择方法 | 第31-35页 |
| ·互信息 | 第31页 |
| ·χ~2 统计量 | 第31-32页 |
| ·文档频率 | 第32页 |
| ·信息增益 | 第32-33页 |
| ·期望交叉熵 | 第33-35页 |
| 第四章 权重计算 | 第35-39页 |
| ·常用的权重函数 | 第35-36页 |
| ·布尔权重函数 | 第35页 |
| ·TF-IDF | 第35-36页 |
| ·ITC | 第36页 |
| ·ENTROPY | 第36页 |
| ·Okapi | 第36页 |
| ·OKAPI 函数的改进 | 第36-37页 |
| ·权重的离散化 | 第37-39页 |
| ·等距离划分算法 | 第37页 |
| ·等频率划分算法 | 第37-38页 |
| ·Chi-merge 离散化方法 | 第38-39页 |
| 第五章 基于粗糙集理论的分类算法研究 | 第39-44页 |
| ·基于粗糙集的文本分类方法的流程 | 第39-40页 |
| ·关键技术 | 第40-41页 |
| ·预处理 | 第40页 |
| ·特征项提取 | 第40页 |
| ·特征项权值的离散化 | 第40-41页 |
| ·决策表的构造 | 第41页 |
| ·决策规则的表示 | 第41页 |
| ·文本分类实验 | 第41-44页 |
| ·试验评估方法 | 第41-42页 |
| ·试验数据及实验结果 | 第42-44页 |
| 结束语 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47页 |
