| 目录 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第6-9页 |
| ·研究背景与意义 | 第6-7页 |
| ·文本分类研究现状 | 第7页 |
| ·本文研究内容 | 第7-8页 |
| ·本文结构 | 第8-9页 |
| 第2章 文本分类技术 | 第9-21页 |
| ·文本分类的定义 | 第9-10页 |
| ·特征选择 | 第10-13页 |
| ·文本频率法(Document Frequency) | 第10-11页 |
| ·信息增量(Information Gain) | 第11页 |
| ·互信息(Mutual Information) | 第11-12页 |
| ·x~2统计(CHI平方统计) | 第12页 |
| ·交叉熵(Cross Entropy) | 第12-13页 |
| ·特征选取方法之间的比较 | 第13页 |
| ·分类方法 | 第13-19页 |
| ·基于统计的方法 | 第13-17页 |
| ·人工神经网络 | 第17-18页 |
| ·基于规则的方法 | 第18-19页 |
| ·分类性能评估 | 第19-20页 |
| ·本章小结与讨论 | 第20-21页 |
| 第3章 文本分类与个性化信息检索的关系 | 第21-26页 |
| ·引言 | 第21-22页 |
| ·用户兴趣模型分析 | 第22-23页 |
| ·用户兴趣模型的设计 | 第23-25页 |
| ·用户兴趣主题表示 | 第23页 |
| ·用户兴趣树 | 第23-24页 |
| ·个性化模型表示 | 第24页 |
| ·用户兴趣模型建立与调整 | 第24-25页 |
| ·本章小结与讨论 | 第25-26页 |
| 第4章 本体与语义网 | 第26-42页 |
| ·从关键词到概念映射 | 第26-27页 |
| ·本体的界定 | 第27页 |
| ·本体的描述语言 | 第27-30页 |
| ·本体的建模原语 | 第30-32页 |
| ·本体构建方法和工具 | 第32-38页 |
| ·构建方法 | 第32-35页 |
| ·构建工具 | 第35-38页 |
| ·教育领域本体的构建 | 第38-42页 |
| ·定义本体的领域范围 | 第38页 |
| ·重用已有本体 | 第38-39页 |
| ·枚举领域本体关键术语 | 第39页 |
| ·定义类和类层次 | 第39页 |
| ·定义类属性 | 第39-40页 |
| ·定义属性方面 | 第40-41页 |
| ·创建实例 | 第41-42页 |
| 第5章 基于概念向量空间的文本分类 | 第42-51页 |
| ·文本分类系统框架 | 第42-43页 |
| ·预处理 | 第43页 |
| ·匹配模块 | 第43页 |
| ·概念特征提取 | 第43-44页 |
| ·文本概念特征表示 | 第44-45页 |
| ·文本分类器 | 第45-47页 |
| ·将待分类文本表示成概念向量空间模型 | 第45-46页 |
| ·在训练文本集中选出与新文本最相似的K个文本 | 第46-47页 |
| ·在新文档的K个邻居中，依次计算每类的权重 | 第47页 |
| ·实验结果与分析 | 第47-51页 |
| ·实验所用语料库 | 第48页 |
| ·领域本体解析 | 第48-49页 |
| ·实验结果与讨论 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·后续工作的展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在读硕士期间公开发表的学术论文 | 第57-58页 |