| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 样本空间相关研究现状 | 第10页 |
| 1.2.2 不平衡文本特征选择算法相关研究现状 | 第10-11页 |
| 1.2.3 不平衡文本分类算法相关研究现状 | 第11-12页 |
| 1.3 本文研究工作 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 不平衡文本数据集分类研究 | 第14-28页 |
| 2.1 不平衡文本数据集分类整体流程 | 第14-15页 |
| 2.2 不平衡文本数据集预处理 | 第15-16页 |
| 2.3 不平衡文本数据集文本表示 | 第16-17页 |
| 2.4 不平衡文本数据集分类算法 | 第17-27页 |
| 2.4.1 BP神经网络算法 | 第18-20页 |
| 2.4.2 决策树算法 | 第20-22页 |
| 2.4.3 SVM算法 | 第22-24页 |
| 2.4.4 GMM算法 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 不平衡数据集特征选择算法 | 第28-39页 |
| 3.1 不平衡数据集特征选择算法的研究 | 第28-29页 |
| 3.2 不平衡数据集特征选择算法改进 | 第29-31页 |
| 3.2.1 信息增益特征选择算法 | 第29-30页 |
| 3.2.2 TF-IDF特征词权重计算算法 | 第30页 |
| 3.2.3 TF-IG特征选择算法 | 第30-31页 |
| 3.3 特征选择算法的评价 | 第31-33页 |
| 3.3.1 文本分类器评价方法 | 第31-33页 |
| 3.3.2 文本分类器评价标准 | 第33页 |
| 3.4 实验与结果 | 第33-38页 |
| 3.4.1 实验数据及环境 | 第33-35页 |
| 3.4.2 实验数据预处理 | 第35-36页 |
| 3.4.3 实验结果与分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 朴素贝叶斯文本分类算法改进 | 第39-53页 |
| 4.1 朴素贝叶斯分类模型研究 | 第39-42页 |
| 4.1.1 伯努利朴素贝叶斯模型 | 第40页 |
| 4.1.2 多项式朴素贝叶斯模型 | 第40-41页 |
| 4.1.3 朴素贝叶斯文本分类算法总结 | 第41-42页 |
| 4.2 基于Good-Turing算法与加权补集的朴素贝叶斯文本分类算法 | 第42-46页 |
| 4.2.1 加权补集朴素贝叶斯模型 | 第42-43页 |
| 4.2.2 平滑因子 | 第43-45页 |
| 4.2.3 使用Good-Turing算法平滑加权补集朴素贝叶斯模型的词频计算 | 第45页 |
| 4.2.4 基于Good-Turing算法与加权补集的朴素贝叶斯文本分类算法流程介绍 | 第45-46页 |
| 4.3 实验与结果 | 第46-52页 |
| 4.3.1 多分类文本分类算法的实验结果与分析 | 第47-50页 |
| 4.3.2 二分类文本分类算法实验结果与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
