二阶段文本分类器及分类在推荐系统中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-15页 |
| ·课题的背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外现状 | 第10-11页 |
| ·国内现状 | 第11-13页 |
| ·本文的工作和论文组织 | 第13-15页 |
| 2 中文文本分类技术概述 | 第15-30页 |
| ·文本分类定义 | 第15页 |
| ·自动分词 | 第15-18页 |
| ·自动分词方法 | 第16-17页 |
| ·分词中的难题 | 第17-18页 |
| ·文本表示 | 第18-20页 |
| ·特征提取 | 第20-22页 |
| ·文本自动分类方法 | 第22-27页 |
| ·贝叶斯分类算法 | 第22-23页 |
| ·支持向量机分类算法 | 第23-25页 |
| ·KNN分类算法 | 第25-26页 |
| ·分类委员会 | 第26页 |
| ·神经网络 | 第26页 |
| ·其它常见分类算法 | 第26-27页 |
| ·评价指标 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于K-means的二阶段多类SVM分类器 | 第30-38页 |
| ·K-means聚类算法与多类SVM分类器介绍 | 第30-31页 |
| ·K-means聚类算法介绍 | 第30页 |
| ·多类SVM分类器介绍 | 第30-31页 |
| ·二阶段多类SVM分类方法论证 | 第31-32页 |
| ·英文数据集实验及结果分析 | 第32-34页 |
| ·聚类数为6时的情况 | 第32-33页 |
| ·聚类数为36时的情况 | 第33-34页 |
| ·中文数据集实验及结果分析 | 第34-37页 |
| ·聚类数为6时的情况 | 第35-36页 |
| ·聚类数为36时的情况 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 分类在推荐系统中的应用 | 第38-46页 |
| ·相关算法概述 | 第38-40页 |
| ·基于内容过滤的算法 | 第38-39页 |
| ·基于协同过滤的算法 | 第39页 |
| ·混合推荐模型 | 第39-40页 |
| ·基于分类的用户多兴趣模型 | 第40-42页 |
| ·长期兴趣模块 | 第40-41页 |
| ·短期兴趣模块 | 第41-42页 |
| ·长期兴趣模块实验及结果分析 | 第42-44页 |
| ·实验设计 | 第42-43页 |
| ·评价指标 | 第43页 |
| ·实验结果分析 | 第43-44页 |
| ·短期兴趣模块实验及结果分析 | 第44-45页 |
| ·实验设计 | 第44页 |
| ·评价指标 | 第44-45页 |
| ·实验结果分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| ·本文的总结 | 第46-47页 |
| ·进一步的研究工作 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的论文 | 第52-53页 |
| 致谢 | 第53页 |
