| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景和研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的研究内容 | 第11页 |
| ·组织结构 | 第11-12页 |
| 第二章 文本分类相关技术 | 第12-25页 |
| ·文本分类的定义 | 第12页 |
| ·文本分类流程 | 第12-13页 |
| ·文本分类预处理 | 第13-16页 |
| ·分词 | 第13-14页 |
| ·去停用词 | 第14-15页 |
| ·文本表示 | 第15-16页 |
| ·特征降维 | 第16-17页 |
| ·特征加权 | 第17页 |
| ·常用的文本分类算法 | 第17-21页 |
| ·Rocchio 算法 | 第17-18页 |
| ·朴素贝叶斯算法 | 第18-19页 |
| ·K-最近邻算法 | 第19-20页 |
| ·支持向量机算法 | 第20-21页 |
| ·文本分类系统性能评估 | 第21-24页 |
| ·评价方法 | 第21-22页 |
| ·评价指标 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于词频信息的改进信息增益文本特征选择算法 | 第25-31页 |
| ·常用的特征选择算法 | 第25-27页 |
| ·文档频度（Document Frequency，DF） | 第25页 |
| ·互信息（Mutual Information，MI） | 第25-26页 |
| ·χ2 统计量（Chi-square，CHI） | 第26页 |
| ·期望交叉熵（Expected Cross Entropy，ECE） | 第26页 |
| ·文本证据权（Weight of Evidence，WE） | 第26页 |
| ·信息增益（Information Gain，IG） | 第26-27页 |
| ·信息增益算法现状分析 | 第27-28页 |
| ·信息增益算法的改进 | 第28-30页 |
| ·类内词频信息对算法的影响及改进 | 第28-29页 |
| ·类内词频位置分布对算法的影响及改进 | 第29页 |
| ·类间词频信息对算法的影响及改进 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 结合特征项类内和类间分布改进的 TF-IDF 算法 | 第31-39页 |
| ·特征项权重算法 | 第31-33页 |
| ·布尔权重（Boolean Weighting） | 第31页 |
| ·熵权重（Entropy Weighting） | 第31页 |
| ·词频权重（Term Frequency，TF） | 第31-32页 |
| ·反文档频率（Inverse Document Frequency，IDF） | 第32页 |
| ·TF-IDF 函数 | 第32-33页 |
| ·TF-IDF 算法的不足 | 第33-35页 |
| ·结合类内和类间分布情况的改进 TF-IDF 算法 | 第35-38页 |
| ·针对 IDF 的改进 | 第35-36页 |
| ·基于熵的参数因子 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 实验与结果分析 | 第39-49页 |
| ·分类实验介绍 | 第39页 |
| ·实验结果分析 | 第39-47页 |
| ·分类算法 KNN 中 K 值的确定 | 第39-40页 |
| ·改进 IG 算法的对比试验 | 第40-44页 |
| ·改进 TF-IDF 算法的对比试验 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻硕期间发表论文及科研成果 | 第54-55页 |
| 致谢 | 第55页 |
