文本分类中特征向量空间降维方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·本文研究目标 | 第9页 |
| ·本文研究内容及解决问题的思路 | 第9-10页 |
| ·本文章节安排 | 第10-11页 |
| 第二章 文本分类基础 | 第11-18页 |
| ·文本表示－向量空间模型 | 第11-13页 |
| ·特征词的粒度 | 第11-12页 |
| ·权值的计算方法 | 第12-13页 |
| ·文本分类的相关算法 | 第13-16页 |
| ·文本分类的两个阶段－训练和分类 | 第13-14页 |
| ·训练算法和分类算法 | 第14-16页 |
| ·特征向量表示的有效性 | 第16-18页 |
| 第三章 向量空间降维 | 第18-24页 |
| ·向量空间降维必要性与分类 | 第18-19页 |
| ·降维的必要性 | 第18页 |
| ·降维策略分类 | 第18-19页 |
| ·向量空间降维的主要方法及分析 | 第19-22页 |
| ·特征词选择主要方法 | 第19-20页 |
| ·特征词选择方法分析 | 第20-21页 |
| ·特征词析取方法 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第四章 基于概念统计析取局域特征空间 | 第24-49页 |
| ·概念的引入 | 第24-27页 |
| ·词形统计的局限性 | 第24-25页 |
| ·引入概念的必要性 | 第25页 |
| ·概念间的各种关系及概念语义图 | 第25-27页 |
| ·特征词局域性分析 | 第27页 |
| ·基于概念统计析取局域特征空间向量 | 第27-44页 |
| ·文本分析与初始特征词提取 | 第28-30页 |
| ·去除停用词 | 第30-31页 |
| ·词义消歧 | 第31-37页 |
| ·概念统计方法 | 第37-44页 |
| ·特征空间降维处理流程 | 第44-45页 |
| ·分析与实验 | 第45-49页 |
| ·本文算法对文本分类的影响分析 | 第45-47页 |
| ·实验数据分析 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文的主要工作 | 第49页 |
| ·进一步的考虑 | 第49-51页 |
| ·本文方法的不足之处 | 第49-50页 |
| ·对今后工作的展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
