基于半监督学习的中文文档分类技术研究
| 第一章 文本分类概述 | 第1-16页 |
| 1．1 文本分类的概念 | 第9-10页 |
| 1．2 文本分类的背景和意义 | 第10页 |
| 1．3 文本分类技术的国内外发展现状 | 第10-12页 |
| 1．4 文本分类技术简介 | 第12-14页 |
| 1．5 本文主要工作内容 | 第14-16页 |
| 第二章 文本分类关键技术 | 第16-31页 |
| 2．1 文本特征生成 | 第16-19页 |
| 2．1．1 文本表示 | 第16-17页 |
| 2．1．2 文本特征 | 第17-18页 |
| 2．1．3 分词 | 第18-19页 |
| 2．2 特征选择与降维 | 第19-22页 |
| 2．2．1 特征选择 | 第19-21页 |
| 2．2．2 特征抽取 | 第21-22页 |
| 2．3 权重的计算 | 第22-23页 |
| 2．4 文本分类技术 | 第23-27页 |
| 2．4．1 文本分类模式 | 第23-25页 |
| 2．4．2 常用的文本分类方法 | 第25-27页 |
| 2．5 文本分类技术性能评价 | 第27-31页 |
| 2．5．1 影响文本分类系统评价的因素 | 第27-28页 |
| 2．5．2 评价方法 | 第28-30页 |
| 2．5．3 影响文本分类的因素 | 第30-31页 |
| 第三章 聚类分析 | 第31-36页 |
| 3．1 相似性度量 | 第31-32页 |
| 3．2 主要聚类方法的分类 | 第32-33页 |
| 3．3 类的定义 | 第33-34页 |
| 3．4 K-平均方法 | 第34-36页 |
| 第四章 基于聚类的半监督学习 | 第36-52页 |
| 4．1 半监督学习 | 第36-38页 |
| 4．2 直推式支持向量机 | 第38-47页 |
| 4．2．1 统计学习理论 | 第38-39页 |
| 4．2．2 支持向量机 | 第39-43页 |
| 4．2．3 直推式支持向量机 | 第43-47页 |
| 4．3 基于聚类的半监督学习 | 第47-52页 |
| 4．3．1 基于聚类的半监督学习意义 | 第47-49页 |
| 4．3．2 基于聚类的半监督学习 | 第49-52页 |
| 第五章 系统设计与实现 | 第52-60页 |
| 5．1 系统的结构设计 | 第52页 |
| 5．2 系统具体实现 | 第52-56页 |
| 5．2．1 数据源 | 第52-53页 |
| 5．2．2 网页格式处理 | 第53-54页 |
| 5．2．3 分词 | 第54页 |
| 5．2．4 特征选择和权重计算 | 第54-56页 |
| 5．2．5 算法实现 | 第56页 |
| 5．3 文本分类及性能测试 | 第56-60页 |
| 5．3．1 有监督学习性能测试 | 第56-57页 |
| 5．3．2 半监督学习性能测试 | 第57-58页 |
| 5．3．3 参数分析 | 第58-60页 |
| 第六章 全文总结 | 第60-62页 |
| 6．1 全文总结 | 第60-61页 |
| 6．2 下一步工作及展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间公开发表的文章 | 第67页 |
