常用文本分类算法的分析与研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 问题的提出及研究意义 | 第7-8页 |
| 1.1.1 问题的提出 | 第7页 |
| 1.1.2 研究的意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文研究的目的和研究内容 | 第9-10页 |
| 1.3.1 研究目的 | 第9页 |
| 1.3.2 研究的主要内容 | 第9-10页 |
| 2 文本分类相关技术 | 第10-23页 |
| 2.1 文本分类概述 | 第10页 |
| 2.2 数据预处理 | 第10-12页 |
| 2.2.1 去除非法格式字符和大小写转换 | 第11页 |
| 2.2.2 中文分词 | 第11-12页 |
| 2.2.3 去除停用词 | 第12页 |
| 2.3 权重计算 | 第12-14页 |
| 2.4 文本表示 | 第14-15页 |
| 2.4.1 布尔逻辑模型 | 第14页 |
| 2.4.2 向量空间模型 | 第14页 |
| 2.4.3 词向量模型 | 第14-15页 |
| 2.5 特征选择 | 第15-18页 |
| 2.5.1 文档频率 | 第15-16页 |
| 2.5.2 信息增益 | 第16页 |
| 2.5.3 卡方拟和检验 | 第16-17页 |
| 2.5.4 互信息 | 第17-18页 |
| 2.6 单一分类算法 | 第18-20页 |
| 2.6.1 朴素贝叶斯算法 | 第18-19页 |
| 2.6.2 KNN算法 | 第19页 |
| 2.6.3 决策树算法 | 第19-20页 |
| 2.7 集成学习 | 第20-21页 |
| 2.7.1 基于Boosting的集成学习算法 | 第20-21页 |
| 2.7.2 基于Bagging的 集成学习算法 | 第21页 |
| 2.8 分类评价方法 | 第21-22页 |
| 2.9 本章小结 | 第22-23页 |
| 3 文本分类算法的实证分析 | 第23-30页 |
| 3.1 单一分类模型实证分析 | 第23-26页 |
| 3.1.1 数据来源 | 第23页 |
| 3.1.2 文本预处理 | 第23-24页 |
| 3.1.3 模型建立及效果比较 | 第24-26页 |
| 3.2 集成学习分类实证分析 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 规模数据下文本分类 | 第30-34页 |
| 4.1 实验数据 | 第30-31页 |
| 4.2 文本处理 | 第31页 |
| 4.3 模型建立 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 总结展望 | 第34-35页 |
| 5.1 主要结论 | 第34页 |
| 5.2 后续研究工作的展望 | 第34-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 附录 | 第38-47页 |
