中文文本分类技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 介绍 | 第12-19页 |
| ·论文的背景 | 第12-13页 |
| ·文本分类的研究现状 | 第13-14页 |
| ·文本分类概述 | 第14-17页 |
| ·文本分类的概念和特点 | 第14-15页 |
| ·文本分类的评价标准 | 第15-17页 |
| ·文本分类流程及需要解决的问题 | 第17页 |
| ·论文组织结构 | 第17-19页 |
| 第二章 几种常用分类方法的性能研究 | 第19-39页 |
| ·文本的表示方法 | 第19-20页 |
| ·文本分类的过程 | 第20-21页 |
| ·特征提取 | 第21-23页 |
| ·几种分类模型性能分析 | 第23-29页 |
| ·布尔逻辑模型 | 第23-24页 |
| ·向量空间模型 | 第24-27页 |
| ·人工神经网络模型 | 第27-29页 |
| ·几种文本分类模型实验设计分析 | 第29-38页 |
| ·向量空间模型实验方案、数据和分析 | 第29-33页 |
| ·人工神经网络实验方案、数据和分析 | 第33-38页 |
| ·小结 | 第38-39页 |
| 第三章 决策树模型和最大熵模型在文本分类的研究 | 第39-68页 |
| ·归纳学习的信息论方法 | 第39-41页 |
| ·信息论原理与归纳学习的信道模型 | 第39-41页 |
| ·基于决策树算法的文本分类的研究 | 第41-44页 |
| ·决策树模型概述 | 第41-42页 |
| ·决策树的算法的表述和规则提取方法 | 第42-44页 |
| ·决策树的评价标准 | 第44页 |
| ·改进的ID3算法 | 第44-50页 |
| ·ID3算法介绍 | 第44-45页 |
| ·ID3算法伪代码描述 | 第45-46页 |
| ·ID3算法的性能评价 | 第46-47页 |
| ·改进ID3算法 | 第47-50页 |
| ·基于ID3算法的决策树分类实验 | 第50-59页 |
| ·原始ID3算法建立决策树 | 第50-54页 |
| ·改进ID3算法建立决策树 | 第54-55页 |
| ·ID3算法的中文文本分类的性能评估 | 第55-56页 |
| ·ID3算法的文本分类实验方案 | 第56页 |
| ·实验结果及分析 | 第56-59页 |
| ·最大熵模型算法 | 第59-66页 |
| ·最大熵模型概述 | 第60-62页 |
| ·最大熵模型的文本分类实验 | 第62-66页 |
| ·两类分类器的性能比较 | 第66-68页 |
| 第四章 齐普夫定律在汉语适应性研究 | 第68-78页 |
| ·齐普夫定律的发展历史 | 第68-70页 |
| ·齐普夫定律的内容 | 第70-71页 |
| ·齐普夫定律的主要应用 | 第71-72页 |
| ·齐普夫定律在汉语适应性实验分析 | 第72-77页 |
| ·总结 | 第77-78页 |
| 第五章 总结 | 第78-80页 |
| ·本文工作总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录1 向量空间模型程序源码 | 第83-88页 |
| 附录2 ID3决策树分类器介绍 | 第88-93页 |
| 致谢 | 第93-94页 |
| 研究成果及发表的学术论文 | 第94-95页 |
| 作者和导师简介 | 第95-96页 |
| 硕士研究生学位论文答辩委员会决议书 | 第96-97页 |
