文本挖掘方法探讨及应用
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 前言 | 第6-9页 |
| ·选题依据 | 第6页 |
| ·国内外研究现状 | 第6-7页 |
| ·本文的主要研究工作 | 第7-8页 |
| ·本文的组织结构 | 第8-9页 |
| 第2章 文本挖掘基本方法 | 第9-21页 |
| ·文本挖掘过程 | 第9-10页 |
| ·文本挖掘应用领域 | 第10-12页 |
| ·文本挖掘中的文本表示模型 | 第12-14页 |
| ·文本挖掘方法 | 第14-18页 |
| ·支持向量机 | 第15-16页 |
| ·K近邻法 | 第16-17页 |
| ·朴素贝叶斯方法 | 第17页 |
| ·神经网络方法 | 第17-18页 |
| ·评估方法 | 第18-21页 |
| 第3章 改进互信息特征提取 | 第21-28页 |
| ·常用的特征提取方法 | 第21-25页 |
| ·特征词的文档频率(DF) | 第21-22页 |
| ·信息增益方法(IG) | 第22-23页 |
| ·主成分分析(PCA) | 第23-24页 |
| ·交叉熵(CE) | 第24页 |
| ·χ~2统计量(CHI) | 第24-25页 |
| ·改进互信息特征提取方法 | 第25-28页 |
| ·互信息方法(MI) | 第25-26页 |
| ·互信息方法分析 | 第26页 |
| ·改进互信息方法(IMI) | 第26-28页 |
| 第4章 朴素贝叶斯分类算法 | 第28-37页 |
| ·贝叶斯分类研究背景 | 第28-29页 |
| ·贝叶斯理论 | 第29-30页 |
| ·朴素贝叶斯分类器 | 第30-37页 |
| ·朴素贝叶斯分类器原理 | 第30-32页 |
| ·朴素贝叶斯算法在文本分类中的应用 | 第32-34页 |
| ·改进朴素贝叶斯分类器 | 第34-35页 |
| ·朴素贝叶斯分类特点 | 第35-37页 |
| 第5章 朴素贝叶斯文本分类的应用 | 第37-47页 |
| ·文本表示 | 第37页 |
| ·改进互信息特征提取 | 第37-38页 |
| ·文本分类系统的实现 | 第38-40页 |
| ·文本分类系统的应用 | 第40-47页 |
| ·测试语料 | 第40-41页 |
| ·改进互信息特征提取方法测试结果 | 第41-45页 |
| ·互信息和改进互信息特征提取测试结果对比 | 第45-47页 |
| 第6章 结束语 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
