| 第1章 引言 | 第1-12页 |
| ·研究背景 | 第7-8页 |
| ·文本自动分类概述 | 第8-9页 |
| ·概念 | 第8页 |
| ·发展历程 | 第8-9页 |
| ·文本自动分类的主要研究方法 | 第9-10页 |
| ·自动聚类技术 | 第9页 |
| ·自动归类技术 | 第9-10页 |
| ·作者的主要工作 | 第10-11页 |
| ·论文内容简介 | 第11-12页 |
| 第2章 自动分类的国内外研究概况 | 第12-28页 |
| ·自动分类中的基本概念 | 第12-13页 |
| ·自动分类中的几个重要技术环节 | 第13-14页 |
| ·特征加权算法 | 第14-17页 |
| ·频率算法TF | 第14-15页 |
| ·反文档频率算法IDF | 第15-16页 |
| ·其它影响权重的信息 | 第16-17页 |
| ·缩减维数算法 | 第17-19页 |
| ·文档频率 Document Frequency | 第17页 |
| ·信息获取 Information Gain | 第17-18页 |
| ·互信息 Mutual Information | 第18页 |
| ·统计量CHI | 第18-19页 |
| ·分类器设计 | 第19-28页 |
| ·纯粹贝叶斯法 Na?ve Bayes | 第19-20页 |
| ·2 最大熵模型 Maximum Entropy Model | 第20-21页 |
| ·最近邻法 K-Nearest Neighbor | 第21-22页 |
| ·神经元网络法 Neutral Network | 第22页 |
| ·支持向量机法 Support Vector Machines | 第22-24页 |
| ·向量空间模型 Vector Space Model | 第24-25页 |
| ·决策树 Decision Tree | 第25-26页 |
| ·小结-Bag of Word的可行性 | 第26-28页 |
| 第3章 综合加权的特征提取算法 | 第28-35页 |
| ·传统权重算法的不足 | 第28-30页 |
| ·综合加权的特征提取算法 | 第30-33页 |
| ·使用DI的改进算法 | 第30-32页 |
| ·低频高权特征LFHW | 第32-33页 |
| ·特征重要度的测试TIT | 第33-35页 |
| 第4章 多层次分类算法 | 第35-40页 |
| ·概念 | 第35页 |
| ·意义 | 第35页 |
| ·层次分类 | 第35-40页 |
| ·多层次的分类体系 | 第35-37页 |
| ·多层次分类与单层分类的比较 | 第37-38页 |
| ·构造多层次模型 | 第38-40页 |
| 第5章 分类与检索 | 第40-43页 |
| ·检索的定义 | 第40页 |
| ·检索的意义 | 第40-41页 |
| ·检索的主要方法 | 第41-42页 |
| ·自动分类对检索的意义 | 第42-43页 |
| 第6章 系统的设计与实现 | 第43-66页 |
| ·系统简介 | 第43-45页 |
| ·系统总体流程图 | 第45页 |
| ·系统分类体系 | 第45-48页 |
| ·系统核心模块 | 第48-66页 |
| ·词典及特征集的构造 | 第48-52页 |
| ·预处理模块 | 第52-57页 |
| ·特征提取模块 | 第57-61页 |
| ·多层次的训练模块 | 第61-62页 |
| ·多层次的识别模块 | 第62-65页 |
| ·系统维护 | 第65-66页 |
| 第7章 系统评测 | 第66-77页 |
| ·测试目的 | 第66页 |
| ·测试目标 | 第66-70页 |
| ·分类系统的参数调整 | 第66页 |
| ·性能指标测试 | 第66-70页 |
| ·测试的环境和条件 | 第70页 |
| ·分类的数据集 | 第70-71页 |
| ·测试方案 | 第71-77页 |
| ·开放式和封闭式测试 | 第71页 |
| ·对分类性能的影响程度测试 | 第71-76页 |
| ·多层次算法的实验结果 | 第76-77页 |
| 第8章 结论与展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢、声明 | 第82-83页 |
| 附录1 | 第83-88页 |
| 附录2 | 第88-89页 |
| 作者简历 | 第89页 |
