基于粗糙集理论的文本自动分类研究
摘要 | 第1-7页 |
ABSTRACT | 第7-9页 |
目录 | 第9-12页 |
第1章 绪论 | 第12-20页 |
·研究背景 | 第12-16页 |
·文本自动分类研究的必要性 | 第12页 |
·文本自动分类面临的主要问题 | 第12-15页 |
·本文的选题背景及研究环境 | 第15-16页 |
·本文的工作 | 第16-19页 |
·本文的主要研究内容 | 第16-17页 |
·本文的创新性工作 | 第17-18页 |
·本文的结构与组织 | 第18-19页 |
·结论 | 第19-20页 |
第2章 文本自动分类概述 | 第20-39页 |
·文本自动分类一般过程 | 第20-21页 |
·文本表达法 | 第21-23页 |
·维度约简 | 第23-26页 |
·特征选择 | 第23-25页 |
·特征抽取 | 第25-26页 |
·文本自动分类算法 | 第26-33页 |
·Nalve Bayes | 第26-27页 |
·决策树 | 第27-28页 |
·神经网络 | 第28-29页 |
·支持向量机 | 第29-30页 |
·Rocchio算法 | 第30-31页 |
·k近邻分类器 | 第31-32页 |
·阈值策略 | 第32-33页 |
·标准数据集 | 第33-35页 |
·英文数据集 | 第33-34页 |
·中文数据集 | 第34-35页 |
·分类性能评价 | 第35-37页 |
·文本自动分类的应用 | 第37-38页 |
·自动标引 | 第37页 |
·词歧义切分 | 第37页 |
·文本过滤 | 第37-38页 |
·结论 | 第38-39页 |
第3章 粗糙集理论与方法 | 第39-55页 |
·粗糙集基本理论 | 第39-42页 |
·属性值离散化 | 第42-43页 |
·属性约简 | 第43-45页 |
·核约简 | 第43-44页 |
·动态约简 | 第44-45页 |
·近似约简 | 第45页 |
·决策规则 | 第45-49页 |
·标准决策规则 | 第45-48页 |
·近似决策规则 | 第48-49页 |
·规则匹配 | 第49-51页 |
·完全匹配 | 第49-50页 |
·部分匹配 | 第50-51页 |
·粗糙集理论的特点 | 第51页 |
·粗糙集在信息检索中的应用 | 第51-54页 |
·信息查询 | 第52页 |
·文本自动分类 | 第52-53页 |
·粗糙集应用于文本自动分类面临的主要问题 | 第53-54页 |
·结论 | 第54-55页 |
第4章 基于N-gram的文本表达方法 | 第55-71页 |
·研究背景 | 第55-57页 |
·方法概述 | 第57-59页 |
·GF/GL权重法 | 第59-60页 |
·关键词筛选算法 | 第60-63页 |
·实验结果评估 | 第63-69页 |
·相似度系数 | 第63-64页 |
·文本自动分类 | 第64-69页 |
·结论 | 第69-71页 |
第5章 基于粗糙集理论的标引词语义异构性处理 | 第71-86页 |
·研究背景 | 第71-73页 |
·RST模型 | 第73-76页 |
·实例研究 | 第76-82页 |
·一对一转换 | 第77-79页 |
·一对多转换 | 第79-80页 |
·多对多转换 | 第80-81页 |
·转换结果整合 | 第81-82页 |
·实验效果评估 | 第82-84页 |
·结论 | 第84-86页 |
第6章 基于粗糙集理论的文本自动分类 | 第86-102页 |
·概述 | 第86-87页 |
·分类规则推导 | 第87-94页 |
·同义词识别 | 第87-89页 |
·属性约简算法 | 第89-94页 |
·近似规则生成算法 | 第94-96页 |
·规则匹配 | 第96-97页 |
·完全匹配 | 第96-97页 |
·部分匹配 | 第97页 |
·动态类别扩展 | 第97-101页 |
·动态类别扩展算法 | 第98-100页 |
·实验及性能评估 | 第100-101页 |
·结论 | 第101-102页 |
第7章 结论 | 第102-107页 |
·总结 | 第102-105页 |
·进一步的研究工作 | 第105-107页 |
致谢 | 第107-108页 |
参考文献 | 第108-124页 |
攻读博士期间发表的学术论文 | 第124页 |