基于K近邻算法的中文文本分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的主要研究内容 | 第11页 |
| ·论文的结构安排 | 第11-13页 |
| 第二章 中文文本分类的相关理论 | 第13-28页 |
| ·中文的特点 | 第13-16页 |
| ·中文分词 | 第16-18页 |
| ·文本表示 | 第18-19页 |
| ·特征选取 | 第19-25页 |
| ·性能评价 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 分类算法介绍 | 第28-38页 |
| ·分类算法概述 | 第28-29页 |
| ·常见分类算法 | 第29-37页 |
| ·Rocchio算法 | 第29-30页 |
| ·决策树算法 | 第30-31页 |
| ·支持向量机(SVM)算法 | 第31-33页 |
| ·向量空间模型(VSM)算法 | 第33-34页 |
| ·贝叶斯算法 | 第34-35页 |
| ·类中心向量算法 | 第35-36页 |
| ·K近邻算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于K近邻的中文文本分类研究 | 第38-44页 |
| ·K近邻算法研究 | 第38-41页 |
| ·K近邻算法的相似度计算 | 第38-39页 |
| ·K近邻算法的优缺点 | 第39-41页 |
| ·K近邻算法的改进 | 第41-43页 |
| ·针对每个类别中文本分布不均的处理 | 第41-42页 |
| ·相似度计算方法的改进策略 | 第42-43页 |
| ·相似度计算公式的改进 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验与分析 | 第44-53页 |
| ·语料选取 | 第44-45页 |
| ·实验与分析 | 第45-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·论文总结 | 第53页 |
| ·未来展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
