基于半监督学习的文本分类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景 | 第10页 |
| ·国内外发展现状 | 第10-13页 |
| ·文本分类研究现状 | 第10-11页 |
| ·半监督学习研究现状 | 第11-13页 |
| ·本论文的研究内容 | 第13-15页 |
| 第2章 文本分类关键技术 | 第15-26页 |
| ·文本分类概述 | 第15-16页 |
| ·文本表示模型 | 第16-17页 |
| ·文本的预处理 | 第17-19页 |
| ·特征选择与降维 | 第19-20页 |
| ·权重的计算 | 第20-21页 |
| ·文本分类方法 | 第21-23页 |
| ·分类性能评估 | 第23-25页 |
| ·评价方法 | 第23-24页 |
| ·评价标准 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于最近邻多数投票的半监督分类器 | 第26-38页 |
| ·引言 | 第26页 |
| ·半监督分类算法 | 第26-29页 |
| ·Self-Training分类算法 | 第26-27页 |
| ·Tri-Training分类算法 | 第27-29页 |
| ·基于最近邻多数投票的半监督分类器 | 第29-30页 |
| ·实验与分析 | 第30-37页 |
| ·实验环境及实验数据 | 第30-32页 |
| ·实验结果与分析 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 寻找相似样本的小样本半监督学习 | 第38-49页 |
| ·引言 | 第38页 |
| ·寻找相似样本技术 | 第38-41页 |
| ·抽取代表特征 | 第38-40页 |
| ·选择相似样本 | 第40-41页 |
| ·实验结果及其分析 | 第41-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 算法平台展示 | 第49-55页 |
| ·样本读取编辑模块 | 第49-51页 |
| ·相似样本选择模块 | 第51-52页 |
| ·算法实验模块 | 第52-55页 |
| 结论与展望 | 第55-56页 |
| 结论 | 第55页 |
| 进一步工作(展望) | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第62-63页 |
