| 第1章 绪论 | 第1-10页 |
| ·应用背景 | 第7-8页 |
| ·常用的文本分类方法 | 第8页 |
| ·本文的组织结构 | 第8-10页 |
| 第2章 理论基础和相关技术 | 第10-18页 |
| ·中文分词技术 | 第10-13页 |
| ·中文分词常用方法 | 第10-12页 |
| ·中文分词中的常见问题 | 第12-13页 |
| ·向量空间模型(VECTOR SPACE MODELS) | 第13-15页 |
| ·SVM（支持向量机） | 第15-16页 |
| ·其他常用分类算法介绍 | 第16-18页 |
| ·Na(?)ve Bayes 算法 | 第16-17页 |
| ·KNN(k-近邻算法) | 第17-18页 |
| 第3章 系统构架设计 | 第18-23页 |
| ·系统设计目标 | 第18-19页 |
| ·系统设计思想 | 第19-20页 |
| ·总体设计 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第4章 中文分词技术的应用 | 第23-34页 |
| ·基于最大匹配的中文分词组件 | 第23-27页 |
| ·最大匹配算法的分析 | 第23-24页 |
| ·算法设计与优化 | 第24-27页 |
| ·词库的设计 | 第27页 |
| ·分词组件在系统中的封装与应用 | 第27-33页 |
| ·过滤器 | 第29页 |
| ·中文分词组件 | 第29-30页 |
| ·分词包装器 | 第30-32页 |
| ·分词模块扩展点和可扩展性介绍 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第5章 基于向量空间模型的文本表示 | 第34-45页 |
| ·特征选取 | 第34-39页 |
| ·文档频率（DF）的特征选取 | 第35-36页 |
| ·互信息量（MI）的特征提取 | 第36-38页 |
| ·χ~2 统计量（CHI）的特征提取 | 第38-39页 |
| ·向量映射 | 第39-44页 |
| ·文本解析的基本流程 | 第39-41页 |
| ·文本解析流水线技术 | 第41-43页 |
| ·文本的表示方法和格式 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 基于支持向量机的学习和分类 | 第45-55页 |
| ·支持向量机 | 第45-50页 |
| ·线性分类问题 | 第45-46页 |
| ·线性可分情况 | 第46-48页 |
| ·线性不可分情况 | 第48-49页 |
| ·核方法和支持向量机 | 第49-50页 |
| ·分类器的训练策略 | 第50-53页 |
| ·阶梯式一对一训练法 | 第50-51页 |
| ·阶梯式一对多训练法 | 第51-52页 |
| ·平行式一对一训练法 | 第52页 |
| ·平行式一对多分类法 | 第52页 |
| ·分类器训练方法总结 | 第52-53页 |
| ·分类器的判别策略 | 第53-55页 |
| ·一对一的投票策略 | 第53-54页 |
| ·一对多的直接判别 | 第54-55页 |
| 第7章 系统性能实验 | 第55-63页 |
| ·实验样本 | 第55页 |
| ·结果的评估标准 | 第55-56页 |
| ·实验结果 | 第56-57页 |
| ·实验结果分析 | 第57-63页 |
| 第8章 结束语 | 第63-64页 |
| ·论文总结 | 第63页 |
| ·进一步工作展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 摘要 | 第66-69页 |
| ABSTRACT | 第69-73页 |
| 致谢 | 第73页 |