基于信息熵的文本特征加权方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 1 引言 | 第9-13页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文的研究内容和结构 | 第11-12页 |
| ·本文的研究内容 | 第11页 |
| ·本文的结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 相关理论及技术 | 第13-26页 |
| ·符号约定 | 第13页 |
| ·文本表示模型 | 第13-14页 |
| ·文本分类流程 | 第14-16页 |
| ·文本预处理 | 第16-17页 |
| ·特征提取 | 第17-19页 |
| ·现有特征加权方法 | 第19-21页 |
| ·布尔权重 | 第20页 |
| ·基于熵概念的权重 | 第20页 |
| ·特征频率 | 第20-21页 |
| ·TF/IDF方法 | 第21页 |
| ·文本分类方法 | 第21-25页 |
| ·Rocchio方法 | 第21-22页 |
| ·支持向量机 | 第22-23页 |
| ·KNN方法 | 第23-24页 |
| ·朴素贝叶斯方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于信息熵改进的TF/IDF算法 | 第26-36页 |
| ·传统TF/IDF算法思想及所面临的问题 | 第26-31页 |
| ·传统TF/IDF算法思想 | 第26-28页 |
| ·传统TF/IDF算法面临的问题 | 第28-31页 |
| ·基于信息熵的文本特征加权算法 | 第31-35页 |
| ·信息熵 | 第31页 |
| ·信息熵与特征加权的联系 | 第31-32页 |
| ·基于信息熵的TF/IDF方法思想 | 第32-33页 |
| ·基于信息熵的TF/IDF方法描述 | 第33-35页 |
| ·基于信息熵的TF/IDF方法分析 | 第35页 |
| ·本章小结 | 第35-36页 |
| 4 实验和性能分析 | 第36-50页 |
| ·实验数据集 | 第36-38页 |
| ·文本分类模型设计 | 第38-39页 |
| ·实验评估方法 | 第39-41页 |
| ·实验设计 | 第41-48页 |
| ·不同形式语料库对实验结果的影响 | 第41-43页 |
| ·特征项数量对实验结果的影响 | 第43-44页 |
| ·不同的分类方法对实验结果的影响 | 第44-47页 |
| ·与已有的特征加权算法比对 | 第47-48页 |
| ·实验结果分析 | 第48页 |
| ·本章小结 | 第48-50页 |
| 5 总结及未来工作展望 | 第50-52页 |
| ·本文研究工作总结 | 第50-51页 |
| ·研究前景展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第57页 |
