基于特征选择及LDA模型的中文文本分类研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·文本分类研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| ·论文的组织 | 第15-17页 |
| 第二章 中文文本分类技术综述 | 第17-46页 |
| ·文本分类流程概述 | 第17-18页 |
| ·预处理 | 第18-20页 |
| ·特征选择 | 第20-24页 |
| ·词频 | 第20-21页 |
| ·信息 | 第21-22页 |
| ·信息增益 | 第22-23页 |
| ·CHI统计量 | 第23-24页 |
| ·期望交叉熵 | 第24页 |
| ·文本证据权 | 第24页 |
| ·文本表示 | 第24-34页 |
| ·向量空间模型 | 第25-26页 |
| ·概率模型 | 第26-27页 |
| ·主题模型 | 第27-34页 |
| ·PLSA | 第27-31页 |
| ·LSI | 第27-29页 |
| ·pLSA | 第29-31页 |
| ·LDA | 第31-34页 |
| ·LDA模型的训练 | 第33页 |
| ·LDA模型的推断 | 第33-34页 |
| ·常用文本分类算法 | 第34-45页 |
| ·朴素贝叶斯分类 | 第34-36页 |
| ·Rocchio | 第36页 |
| ·kNN | 第36-37页 |
| ·决策树 | 第37-38页 |
| ·支持向量机 | 第38-45页 |
| ·统计学习理论 | 第38-40页 |
| ·SVM基本思想 | 第40-44页 |
| ·支持向量机多分类问题 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 改进的特征选择方法与LDA结合 | 第46-53页 |
| ·互信息特征选择方法 | 第46-50页 |
| ·传统互信息特征选择方法的不足 | 第46-47页 |
| ·传统互信息特征选择方法的改进 | 第47-50页 |
| ·信息增益特征选择方法 | 第50-51页 |
| ·传统信息增益特征选择方法的不足 | 第50-51页 |
| ·传统信息增益特征选择方法的改进 | 第51页 |
| ·改进的特征选择方法与LDA模型结合 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 实验与结果分析 | 第53-73页 |
| ·基于特征选择及LDA的中文文本分类流程 | 第53页 |
| ·软硬件环境 | 第53-54页 |
| ·实验语料库和结果评估指标 | 第54-55页 |
| ·实验语料库 | 第54页 |
| ·实验结果评估指标 | 第54-55页 |
| ·文本预处理 | 第55-57页 |
| ·特征选择 | 第57-60页 |
| ·改进的特征选择核心代码 | 第57-59页 |
| ·特征词典大小的确定 | 第59-60页 |
| ·LDA建模 | 第60-64页 |
| ·LDA相关变量的初始化 | 第60-62页 |
| ·LDA模型 | 第62-64页 |
| ·SVM文本分类和结果分析 | 第64-72页 |
| ·输入处理及参数寻优 | 第64-66页 |
| ·实验结果及分析 | 第66-72页 |
| ·平衡语料集上实验结果及分析 | 第66-69页 |
| ·不平衡数据集上实验结果与分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80页 |
