| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 研究现状和存在问题 | 第11-13页 |
| 1.2.1 研究现状 | 第11-12页 |
| 1.2.2 存在问题 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 论文的结构 | 第13-15页 |
| 第2章 文本分类基础理论 | 第15-26页 |
| 2.1 机器学习理论 | 第15-16页 |
| 2.1.1 无监督学习 | 第15页 |
| 2.1.2 监督学习 | 第15-16页 |
| 2.1.3 半监督学习 | 第16页 |
| 2.2 文本分类预处理 | 第16-21页 |
| 2.2.1 中文文本分词 | 第17-18页 |
| 2.2.2 过滤停用词 | 第18页 |
| 2.2.3 特征选择 | 第18-20页 |
| 2.2.4 文本表示 | 第20-21页 |
| 2.3 分类算法 | 第21-25页 |
| 2.3.1 朴素贝叶斯方法 | 第22-23页 |
| 2.3.2 Rocchio | 第23-24页 |
| 2.3.3 kNN | 第24-25页 |
| 2.3.4 支持向量机 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 LDA模型及LDA模型中迭代次数优化 | 第26-41页 |
| 3.1 概率主题模型 | 第26-33页 |
| 3.1.1 TF-IDF模型 | 第27-29页 |
| 3.1.2 一元混合模型 | 第29-30页 |
| 3.1.3 潜在语义分析模型 | 第30-32页 |
| 3.1.4 pLSA | 第32-33页 |
| 3.2 LDA模型 | 第33-38页 |
| 3.2.1 LDA模型描述 | 第33-36页 |
| 3.2.2 LDA模型推断 | 第36-38页 |
| 3.3 LDA模型迭代次数改进方案 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 TD-LDA模型及TD-LDA模型中迭代次数优化 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 TD-LDA模型 | 第41-48页 |
| 4.2.1 模型描述 | 第42-43页 |
| 4.2.2 模型训练过程 | 第43-45页 |
| 4.2.3 TD-LDA模型训练 | 第45-47页 |
| 4.2.4 TD-LDA 模型迭代次数改进方案 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 实验结果与分析 | 第49-58页 |
| 5.1 实验平台设计与数据集 | 第49-50页 |
| 5.1.1 实验平台 | 第49页 |
| 5.1.2 语料库 | 第49页 |
| 5.1.3 支持向量机训练环境 | 第49-50页 |
| 5.2 实验方案设计与评估 | 第50-53页 |
| 5.2.1 实验一 | 第50-52页 |
| 5.2.2 实验二 | 第52-53页 |
| 5.2.3 评估方法 | 第53页 |
| 5.3 实验结果及分析 | 第53-57页 |
| 5.3.1 LDA与TD-LDA模型对比 | 第53-55页 |
| 5.3.2 LDA模型与TD-LDA模型确定迭代次数前后实验对比 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |