| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 神经网络的国内外研究现状 | 第12页 |
| 1.3.2 决策树的国内外研究现状 | 第12-13页 |
| 1.3.3 文本分类的国内外研究现状 | 第13-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第二章 文本分类理论基础 | 第17-31页 |
| 2.1 文本分类概述 | 第17页 |
| 2.2 文本分类流程 | 第17-18页 |
| 2.3 文本预处理 | 第18-20页 |
| 2.3.1 特征项选取 | 第18页 |
| 2.3.2 特征权重计算 | 第18-19页 |
| 2.3.3 向量空间模型具体描述 | 第19-20页 |
| 2.4 常见的特征选择方法 | 第20-23页 |
| 2.4.1 文档频率 | 第20-21页 |
| 2.4.2 信息增益 | 第21页 |
| 2.4.3 互信息 | 第21-22页 |
| 2.4.4 卡方统计 | 第22页 |
| 2.4.5 词频 | 第22-23页 |
| 2.5 常见的文本分类算法 | 第23-26页 |
| 2.5.1 Rocchio分类器 | 第23页 |
| 2.5.2 K最近邻分类器 | 第23-24页 |
| 2.5.3 朴素贝叶斯分类器 | 第24-25页 |
| 2.5.4 支持向量机分类器 | 第25页 |
| 2.5.5 基于回归分类器 | 第25-26页 |
| 2.6 决策树分类算法概述 | 第26-27页 |
| 2.6.1 决策树基本概念 | 第26页 |
| 2.6.2 决策树的生成 | 第26-27页 |
| 2.6.3 决策树的划分属性选择 | 第27页 |
| 2.7 神经网络分类算法概述 | 第27-30页 |
| 2.7.1 激活函数 | 第28页 |
| 2.7.2 梯度下降法 | 第28-29页 |
| 2.7.3 BP神经网络的框架 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 基于神经网络和决策树的文本分类系统 | 第31-52页 |
| 3.1 文本分类系统 | 第31-32页 |
| 3.2 数据预处理 | 第32-38页 |
| 3.2.1 文本分词 | 第32-34页 |
| 3.2.2 改进的停用词库 | 第34-37页 |
| 3.2.3 改进的文本特征权重计算 | 第37-38页 |
| 3.2.4 文本表示 | 第38页 |
| 3.2.5 文本去重 | 第38页 |
| 3.3 基于样本偏差率和方差的特征选择方法 | 第38-44页 |
| 3.3.1 样本偏差率 | 第39-42页 |
| 3.3.2 类内权重分布 | 第42-43页 |
| 3.3.3 类间权重分布 | 第43页 |
| 3.3.4 基于样本偏差率和方差的特征选择方法 | 第43-44页 |
| 3.4 决策树优化的神经网络分类算法 | 第44-51页 |
| 3.4.1 BP神经网络文本分类过程 | 第45-47页 |
| 3.4.2 决策树优化神经网络的结构 | 第47-48页 |
| 3.4.3 决策树优化神经网络的初始权重 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于神经网络和决策树的文本分类系统算法实现与测试 | 第52-65页 |
| 4.1 开发平台与开发环境 | 第52页 |
| 4.2 训练与测试数据 | 第52-53页 |
| 4.3 文本分类算法的实现 | 第53-61页 |
| 4.3.1 文本分类系统软件 | 第53-54页 |
| 4.3.2 预处理算法实现 | 第54-58页 |
| 4.3.3 特征选择方法算法实现 | 第58-61页 |
| 4.3.4 分类算法实现 | 第61页 |
| 4.4 实验及结果对比分析 | 第61-64页 |
| 4.4.1 特征选择方法对比分析 | 第61-63页 |
| 4.4.2 分类算法对比 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 文本分类系统在西藏发展中的应用 | 第65-79页 |
| 5.1 应用背景 | 第65页 |
| 5.2 词云可视化分析 | 第65-74页 |
| 5.2.1 改进的词云可视化 | 第65-67页 |
| 5.2.2 词云可视化实验 | 第67-73页 |
| 5.2.3 结果分析 | 第73-74页 |
| 5.3 文本的情感极性分析 | 第74-78页 |
| 5.3.1 改进的情感极性分析算法 | 第74-76页 |
| 5.3.2 情感极性分析实验及结果 | 第76-78页 |
| 5.3.3 情感极性分类模型的应用 | 第78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 全文总结 | 第79-80页 |
| 6.2 后续工作展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-90页 |
| 附录 | 第90-99页 |
| 攻读硕士期间取得的研究成果 | 第99页 |