基于类核心词的文本分类技术研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·研究背景及意义 | 第6-7页 |
| ·自动文本分类的典型应用 | 第7-8页 |
| ·文本分类的研究状况 | 第8-9页 |
| ·本文研究的主要内容 | 第9-10页 |
| ·本文结构 | 第10-11页 |
| 第二章 文本分类概述 | 第11-24页 |
| ·文本分类定义 | 第11页 |
| ·文本分类系统的组成 | 第11-12页 |
| ·文本预处理 | 第12-16页 |
| ·去除文档中的格式标记 | 第13页 |
| ·过滤非法字符 | 第13页 |
| ·去除停用词和稀有词 | 第13页 |
| ·中文分词处理 | 第13-16页 |
| ·文本表示 | 第16-19页 |
| ·特征降维 | 第19-20页 |
| ·文本分类模式 | 第20-21页 |
| ·文本分类的评价标准 | 第21-23页 |
| ·文本分类效果的影响因素 | 第21-22页 |
| ·文本分类的评价指标 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 特征降维技术 | 第24-35页 |
| ·特征选择 | 第25-30页 |
| ·特征频度 | 第25页 |
| ·文档频率 | 第25-26页 |
| ·特征熵 | 第26页 |
| ·互信息 | 第26-27页 |
| ·信息增益 | 第27-28页 |
| ·期望交叉熵 | 第28页 |
| ·X~2统计量 | 第28-29页 |
| ·相关系数 | 第29页 |
| ·文本证据权 | 第29-30页 |
| ·几率比 | 第30页 |
| ·特征抽取 | 第30-34页 |
| ·主成分分析 | 第30-31页 |
| ·潜在语义索引 | 第31-33页 |
| ·非负矩阵分解 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 文本分类算法 | 第35-41页 |
| ·Rocchio 分类算法 | 第35-36页 |
| ·KNN 分类算法 | 第36-37页 |
| ·朴素贝叶斯分类算法 | 第37-38页 |
| ·支持向量机 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于相对文档频的平衡信息增益降维方法 | 第41-52页 |
| ·信息增益降维方法分析 | 第41-42页 |
| ·相对文档频平衡信息增益 | 第42-44页 |
| ·相对文档频 | 第42-43页 |
| ·平衡因子 | 第43-44页 |
| ·实验及结果分析 | 第44-51页 |
| ·实验数据 | 第44页 |
| ·实验环境及步骤 | 第44-45页 |
| ·实验结果及分析 | 第45-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 基于类核心词的文本分类算法 | 第52-58页 |
| ·类核心词 | 第52-53页 |
| ·基于类核心词的文本分类 | 第53-54页 |
| ·实验及结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A 文本分类实验平台使用说明 | 第63-74页 |
| 作者简介及发表的学术论文 | 第74页 |
