基于支持向量机的中文文本分类系统研究
| 第一章 绪论 | 第1-14页 |
| ·选题背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的研究工作 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 第二章 文本分类概述 | 第14-22页 |
| ·文本分类的基本概念 | 第14-15页 |
| ·文本分类问题描述 | 第14页 |
| ·文本分类的技术路线 | 第14-15页 |
| ·文本表示模型 | 第15-17页 |
| ·文本表示方法 | 第15-16页 |
| ·向量空间模型 | 第16-17页 |
| ·文本特征选择 | 第17-19页 |
| ·文本特征项 | 第17-18页 |
| ·特征选择 | 第18-19页 |
| ·文本分类器 | 第19-21页 |
| ·若干分类算法 | 第19-20页 |
| ·分类器性能评估 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 中文自动分词 | 第22-34页 |
| ·中文分词现状 | 第22-24页 |
| ·研究方向 | 第22页 |
| ·研究成果 | 第22-23页 |
| ·中文分词研究面临的困难 | 第23-24页 |
| ·中文分词方法 | 第24-27页 |
| ·有词典分词方法 | 第24页 |
| ·无词典分词方法 | 第24-25页 |
| ·对汉语书写规则的改造设想 | 第25-26页 |
| ·一种改进的最大匹配分词算法 | 第26-27页 |
| ·分词系统实现 | 第27-33页 |
| ·中文字符编码 | 第27-29页 |
| ·分词词典设计 | 第29-31页 |
| ·分词系统实现 | 第31-33页 |
| ·实验 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 文本分类中的特征选择 | 第34-44页 |
| ·特征选择概述 | 第34-35页 |
| ·特征选择的意义 | 第34页 |
| ·特征选择的研究方法 | 第34-35页 |
| ·特征选择方法 | 第35-40页 |
| ·文档频率 | 第35-36页 |
| ·信息增益 | 第36-37页 |
| ·X~2统计及简化 | 第37页 |
| ·互信息及改进 | 第37-38页 |
| ·期望交叉熵 | 第38-39页 |
| ·文本证据权 | 第39页 |
| ·实验与分析 | 第39-40页 |
| ·训练集选取对文本分类的影响及改进 | 第40-43页 |
| ·一种对训练集小类别归并的文本分类算法 | 第40-41页 |
| ·一种动态训练集的文本分类算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 应用支持向量机进行分类 | 第44-56页 |
| ·支持向量机概述 | 第44-47页 |
| ·支持向量机的起源和发展 | 第44页 |
| ·支持向量机的理论基础 | 第44-46页 |
| ·支持向量机的应用 | 第46-47页 |
| ·支持向量机的分类 | 第47-51页 |
| ·线性可分支持向量机 | 第47-48页 |
| ·线性不可分支持向量机 | 第48-49页 |
| ·非线性支持向量机 | 第49-50页 |
| ·解决多类分类问题 | 第50-51页 |
| ·支持向量机训练算法 | 第51-53页 |
| ·分类面方程到二次规划问题的转换 | 第51-52页 |
| ·SVMLight算法 | 第52页 |
| ·LIBSVM算法 | 第52-53页 |
| ·实验及分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 中文文本分类系统的设计与实现 | 第56-61页 |
| ·开发环境 | 第56页 |
| ·系统结构及界面 | 第56-57页 |
| ·系统结构 | 第56页 |
| ·系统界面 | 第56-57页 |
| ·系统功能设计 | 第57-59页 |
| ·分类器训练 | 第57-58页 |
| ·文档处理 | 第58页 |
| ·分类结果 | 第58-59页 |
| ·分类系统若干数据结构 | 第59-60页 |
| ·文本向量表示 | 第59-60页 |
| ·支持向量机参数模型 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 在读硕士期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
