中文专利自动分类技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究背景 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·论文组织 | 第14-16页 |
| 第2章 分类技术 | 第16-24页 |
| ·专利分类问题的定义 | 第16-17页 |
| ·分类的过程 | 第17-18页 |
| ·分类方法 | 第18-22页 |
| ·朴素贝叶斯 | 第19页 |
| ·Rocchio | 第19-20页 |
| ·K 近邻 | 第20-21页 |
| ·支持向量机 | 第21-22页 |
| ·评价方法 | 第22-23页 |
| ·单类别评价 | 第22-23页 |
| ·多类别评价 | 第23页 |
| ·小结 | 第23-24页 |
| 第3章 基于IPC 领域知识的特征选择方法 | 第24-35页 |
| ·特征选择方法 | 第24-26页 |
| ·文档频度 | 第24页 |
| ·信息增益 | 第24-25页 |
| ·CHI 统计 | 第25页 |
| ·互信息 | 第25-26页 |
| ·问题分析 | 第26-27页 |
| ·基于IPC 领域知识的特征选择 | 第27-30页 |
| ·IPC 分类体系 | 第27-29页 |
| ·基本思想 | 第29页 |
| ·特征选择过程 | 第29-30页 |
| ·实验结果与分析 | 第30-34页 |
| ·语料与预处理 | 第31页 |
| ·在NB 分类器上的对比实验 | 第31-32页 |
| ·在Rocchio 分类器上的对比实验 | 第32-33页 |
| ·在K-NN 分类器上的对比实验 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于主题的特征权重计算方法 | 第35-45页 |
| ·特征权重计算方法 | 第35-36页 |
| ·布尔权重和词频权重 | 第35页 |
| ·TF*IDF 权重 | 第35-36页 |
| ·问题分析 | 第36-39页 |
| ·专利文本的特点 | 第36-38页 |
| ·实例分析 | 第38-39页 |
| ·基于主题的特征权重计算 | 第39-41页 |
| ·计算方法 | 第39-40页 |
| ·实例分析 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·语料与预处理 | 第41-42页 |
| ·参数选择实验 | 第42-43页 |
| ·在K-NN 分类器上的对比实验 | 第43页 |
| ·小结 | 第43-45页 |
| 第5章 基于融合策略的专利分类方法 | 第45-53页 |
| ·NTCIR 评测 | 第45-48页 |
| ·NTCIR 评测简介 | 第45-46页 |
| ·系统结构 | 第46-47页 |
| ·评测结果与分析 | 第47-48页 |
| ·基于先验概率加权的多分类器融合方法 | 第48-49页 |
| ·问题的定义 | 第48页 |
| ·融合方法 | 第48-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·语料与预处理 | 第49-50页 |
| ·多分类器的对比实验 | 第50-51页 |
| ·多分类器的融合实验 | 第51-52页 |
| ·小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第59页 |
