中文文本分类技术研究
| 第1章 绪论 | 第1-14页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·文本分类问题描述 | 第11页 |
| ·文本分类的国内外研究现状 | 第11-12页 |
| ·本文研究内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第2章 文本分类技术 | 第14-35页 |
| ·文本的表示 | 第14-17页 |
| ·文本向量的表示方法 | 第15页 |
| ·文本向量的特征权重表示方法 | 第15-17页 |
| ·分词方法 | 第17-18页 |
| ·基于字符串匹配的分词方法 | 第17页 |
| ·基于统计的分词方法 | 第17-18页 |
| ·专家系统分词方法 | 第18页 |
| ·神经网络的分词方法 | 第18页 |
| ·特征向量维数约简 | 第18-26页 |
| ·特征选择 | 第19-22页 |
| ·特征抽取 | 第22-26页 |
| ·分类方法 | 第26-33页 |
| ·贝叶斯方法 | 第26页 |
| ·k-近邻方法 | 第26页 |
| ·决策树方法 | 第26-27页 |
| ·支持向量机方法 | 第27-29页 |
| ·神经网络方法 | 第29-31页 |
| ·基于投票的方法 | 第31页 |
| ·Rocchio方法 | 第31-32页 |
| ·Sleeping Expert方法 | 第32-33页 |
| ·分类算法评估 | 第33-35页 |
| 第3章 基于字符串匹配与统计相结合的分词方法 | 第35-43页 |
| ·基于字符串匹配的分词方法 | 第35-37页 |
| ·常用的字符串匹配分词方法 | 第35-36页 |
| ·基于字符串匹配分词方法的比较 | 第36-37页 |
| ·基于统计的分词方法 | 第37-38页 |
| ·字符串匹配方法与统计方法比较 | 第38页 |
| ·渐进式丰富词典思想 | 第38-39页 |
| ·渐进式丰富词典的分词方法 | 第39-40页 |
| ·文本预处理 | 第39页 |
| ·二次扫描分词方法 | 第39-40页 |
| ·基于统计方法的新词识别 | 第40页 |
| ·实验结果及分析 | 第40-42页 |
| ·实验结果 | 第40-42页 |
| ·实验结果分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 朴素贝叶斯方法和k-近邻方法比较 | 第43-52页 |
| ·贝叶斯方法 | 第43-46页 |
| ·朴素贝叶斯分类器 | 第43页 |
| ·贝叶斯网络分类器 | 第43-45页 |
| ·基于EM算法的朴素贝叶斯分类器 | 第45-46页 |
| ·k-近邻方法 | 第46-47页 |
| ·朴素贝叶斯方法和k-近邻方法比较 | 第47-48页 |
| ·朴素贝叶斯和k-近邻方法的分类步骤 | 第48-49页 |
| ·朴素贝叶斯方法步骤 | 第48-49页 |
| ·k-近邻方法步骤 | 第49页 |
| ·实验结果及分析 | 第49-51页 |
| ·朴素贝叶斯方法实验结果 | 第50页 |
| ·k-近邻方法实验结果 | 第50页 |
| ·实验结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 总结及展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间参加的项目及发表论文情况 | 第59-60页 |
| 致谢 | 第60页 |
