| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内 | 第11页 |
| 1.2.2 国外 | 第11-12页 |
| 1.3 研究内容与目标 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 相关技术概述 | 第14-24页 |
| 2.1 文本分类的一般流程 | 第14-16页 |
| 2.1.1 文本预处理 | 第15页 |
| 2.1.2 文本分词 | 第15-16页 |
| 2.2 主题模型 | 第16-19页 |
| 2.2.1 LDA模型基本思想 | 第16-17页 |
| 2.2.2 LDA模型的文档建模 | 第17-19页 |
| 2.2.3 对LDA模型的改进 | 第19页 |
| 2.3 决策树模型 | 第19-23页 |
| 2.3.1 划分选择 | 第19-20页 |
| 2.3.2 增益率 | 第20-21页 |
| 2.3.3 基尼指数 | 第21页 |
| 2.3.4 剪枝处理 | 第21-22页 |
| 2.3.5 连续与缺失值 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于LRM模型的链接关系文本分类研究 | 第24-32页 |
| 3.1 LRM模型 | 第24-27页 |
| 3.1.1 LRM模型简介 | 第24-25页 |
| 3.1.2 LRM模型的结构 | 第25-27页 |
| 3.2 LRM模型的推理过程 | 第27-28页 |
| 3.3 LRM模型的估算参数 | 第28-29页 |
| 3.4 LRM模型对链接关系文本分类 | 第29-31页 |
| 3.4.1 链接关系确定 | 第29-30页 |
| 3.4.2 链接关系提升分类的稳定性与准确性 | 第30页 |
| 3.4.3 链接文本分类 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于LDA-ID3混合模型的社交文本分类研究 | 第32-42页 |
| 4.1 混合模型 | 第32-33页 |
| 4.2 社交文本的特征 | 第33-35页 |
| 4.2.1 短文本数据预处理 | 第34页 |
| 4.2.2 特征扩展 | 第34页 |
| 4.2.3 特征稀疏问题的解决 | 第34-35页 |
| 4.2.4 未登录词解决 | 第35页 |
| 4.3 主题模型 | 第35-37页 |
| 4.4 决策树模型 | 第37-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 实验及分析 | 第42-50页 |
| 5.1 文本预处理 | 第42-43页 |
| 5.1.1 区分文本类型 | 第42页 |
| 5.1.2 预处理 | 第42-43页 |
| 5.2 LRM模型的分类结果分析 | 第43-47页 |
| 5.2.1 性能分析 | 第43-46页 |
| 5.2.2 效果分析 | 第46-47页 |
| 5.3 LDA-ID3模型分类结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 攻读硕士学位期间所取得的研究成果 | 第54-56页 |
| 致谢 | 第56页 |