中文文本分类中卡方特征提取和对TF-IDF权重改进
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 选题背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 本文的布局 | 第11-13页 |
| 2 文本分类相关技术 | 第13-24页 |
| 2.1 文本分类过程 | 第13-14页 |
| 2.2 文本预处理 | 第14-15页 |
| 2.2.1 中文分词 | 第14页 |
| 2.2.2 去停用词 | 第14-15页 |
| 2.3 文本表示模型 | 第15-16页 |
| 2.4 特征降维 | 第16-18页 |
| 2.5 特征加权 | 第18-19页 |
| 2.6 文本分类算法 | 第19-21页 |
| 2.6.1 朴素贝叶斯算法 | 第19页 |
| 2.6.2 KNN算法 | 第19-20页 |
| 2.6.3 SVM算法 | 第20-21页 |
| 2.7 评价方法 | 第21-23页 |
| 2.8 本章小结 | 第23-24页 |
| 3 特征选择方法研究 | 第24-31页 |
| 3.1 特征选择 | 第24页 |
| 3.2 传统特征选择方法 | 第24-26页 |
| 3.2.1 文档频率 | 第24页 |
| 3.2.2 互信息 | 第24-25页 |
| 3.2.3 信息增益 | 第25页 |
| 3.2.4 期望交叉熵 | 第25页 |
| 3.2.5 相关系数 | 第25-26页 |
| 3.3 传统卡方统计算法 | 第26-27页 |
| 3.4 卡方统计算法的不足 | 第27页 |
| 3.5 卡方统计的改进 | 第27-30页 |
| 3.5.1 词频因子 | 第28页 |
| 3.5.2 类间集中度系数 | 第28页 |
| 3.5.3 修正系数 | 第28-30页 |
| 3.6 本章小结 | 第30-31页 |
| 4 TFIDF特征权重改进算法 | 第31-37页 |
| 4.1 TFIDF权重 | 第31-32页 |
| 4.2 传统TFIDF算法的不足 | 第32-33页 |
| 4.3 结合卡方统计和信息熵改进的TFIDF方法 | 第33-36页 |
| 4.3.1 结合卡方统计的TFIDF方法 | 第33-34页 |
| 4.3.2 结合类内信息熵的TFIDF方法 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 5 实验过程及结果分析 | 第37-55页 |
| 5.1 实验数据集 | 第37页 |
| 5.2 分类性能评估 | 第37-39页 |
| 5.3 分类流程及实验过程 | 第39-45页 |
| 5.3.1 分类流程 | 第39-42页 |
| 5.3.2 实验过程 | 第42-45页 |
| 5.4 实验结果分析 | 第45-54页 |
| 5.4.1 特征提取方法对比实验 | 第45-49页 |
| 5.4.2 特征加权方法对比实验 | 第49-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
