基于改进哈希算法的快速KNN文本分类方法
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·分类结果的评估 | 第10-13页 |
| ·基准测试数据集 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文的组织 | 第15-16页 |
| 第二章 文本预处理 | 第16-30页 |
| ·引言 | 第16页 |
| ·分词 | 第16-17页 |
| ·词性标注 | 第17-18页 |
| ·词干抽取 | 第18页 |
| ·去停用词 | 第18-19页 |
| ·特征选择 | 第19-24页 |
| ·本文选用的特征选取算法 | 第24-26页 |
| ·特征加权 | 第26-27页 |
| ·向量空间模型 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 常见的文本分类算法 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·决策树归纳文本分类法 | 第31-33页 |
| ·方法描述 | 第31-32页 |
| ·决策树的剪枝过程 | 第32-33页 |
| ·可伸缩性 | 第33页 |
| ·贝叶斯文本分类法 | 第33-35页 |
| ·朴素贝叶斯文本分类方法 | 第33-35页 |
| ·贝叶斯信念网络文本分类方法 | 第35页 |
| ·基于SVM的文本分类方法 | 第35-36页 |
| ·数据线性划分的情况 | 第35-36页 |
| ·数据线性不可划分的情况 | 第36页 |
| ·神经网络文本分类方法 | 第36-37页 |
| ·KNN文本分类方法 | 第37-42页 |
| ·传统的KNN文本分类方法 | 第37-38页 |
| ·国内外改进的KNN文本分类方法 | 第38-42页 |
| 第四章 本文改进的KNN方法 | 第42-52页 |
| ·引言 | 第42页 |
| ·二次分词 | 第42页 |
| ·特征降维 | 第42-43页 |
| ·特征加权 | 第43-47页 |
| ·文本距离计算的方法 | 第47-49页 |
| ·近邻文本的搜索策略 | 第49-52页 |
| 第五章 实验与结果分析 | 第52-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表论文和参加科研情况 | 第61页 |
