| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·文本分类的研究背景及意义 | 第9-10页 |
| ·国内外研究概况 | 第10页 |
| ·文本分类概述 | 第10-13页 |
| ·文本自动分类 | 第11页 |
| ·文本分类类型 | 第11-12页 |
| ·文本分类模型 | 第12-13页 |
| ·论文内容 | 第13-14页 |
| 第二章 文本分类模型和常用分类方法 | 第14-29页 |
| ·文本表示定义 | 第14页 |
| ·文本分类常用模型 | 第14-17页 |
| ·表示模型概述 | 第14-15页 |
| ·向量空间模型 | 第15-16页 |
| ·统计语言模型 | 第16-17页 |
| ·常用文本分类算法介绍 | 第17-19页 |
| ·神经网络算法 | 第17页 |
| ·基于投票的方法 | 第17-18页 |
| ·决策树分类算法 | 第18页 |
| ·贝叶斯分类算法 | 第18-19页 |
| ·藏文文本分类的步骤 | 第19-20页 |
| ·特征降维 | 第20-22页 |
| ·文档频率方法 | 第20页 |
| ·互信息方法 | 第20-21页 |
| ·χ2 统计量 | 第21-22页 |
| ·单词权(Term Strength) | 第22页 |
| ·常用的文本分类器 | 第22-25页 |
| ·Rocchio分类器 | 第22-23页 |
| ·K近邻分类器 | 第23-24页 |
| ·朴素贝叶斯分类器 | 第24-25页 |
| ·文本分类模型的评估 | 第25-28页 |
| ·分类模型的评估方法 | 第25-26页 |
| ·文本分类器性能评估指标 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于N-Gram的藏文文本模型 | 第29-36页 |
| ·藏文特点 | 第29-31页 |
| ·基于N-Gram藏文语言模型的文本表示 | 第31-32页 |
| ·N-GRAM模型关键问题 | 第32-35页 |
| ·参数N的选择 | 第32-33页 |
| ·N-Gram信息提取 | 第33-34页 |
| ·N-Gram项生成算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 藏文文本分类系统设计 | 第36-44页 |
| ·藏文文本分类系统 | 第36-37页 |
| ·藏文文本分类器的设计 | 第37-39页 |
| ·多项式朴素贝叶斯分类器 | 第37-38页 |
| ·多类别处理 | 第38-39页 |
| ·数据分析功能 | 第39页 |
| ·多项式贝叶斯分类算法的实现 | 第39-43页 |
| ·分类算法的详细设计与实现 | 第39-41页 |
| ·训练算法的实现部分 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验结果与分析 | 第44-50页 |
| ·语料库规模对分类系统的影响 | 第44-45页 |
| ·特征降维实验 | 第45-49页 |
| ·重叠的Bigrams | 第45-46页 |
| ·提升高度重叠的Bigrams到相应的Trigrams | 第46-49页 |
| ·小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-57页 |
| 在校期间研究成果 | 第57-58页 |
| 致谢 | 第58页 |