基于关联的中文文本分类系统的设计与实现
| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 引言 | 第10-19页 |
| ·文本自动分类的发展及应用 | 第10-11页 |
| ·文本自动分类的提出 | 第10页 |
| ·文本自动分类的发展与应用 | 第10-11页 |
| ·文本分类及其相关技术理论 | 第11-13页 |
| ·文本分类需要解决的问题 | 第11-12页 |
| ·文本自动分类的关键技术 | 第12-13页 |
| ·文本分类目前存在的问题 | 第13-16页 |
| ·分词技术面临的难题 | 第14-15页 |
| ·特征抽取过程中存在的问题 | 第15-16页 |
| ·分类器存在的问题 | 第16页 |
| ·本论文的主要工作及创新点 | 第16-18页 |
| ·本论文的主要工作 | 第16-17页 |
| ·本论文的创新点 | 第17-18页 |
| ·论文组织 | 第18-19页 |
| 第二章 中文文本自动分类模型体系 | 第19-30页 |
| ·中文文本分类的体系框架 | 第19-20页 |
| ·中文自动分词的主要理论技术 | 第20-23页 |
| ·基于字符串匹配的分词方法 | 第21-22页 |
| ·基于理解的分词方法 | 第22页 |
| ·基于统计的分词方法 | 第22-23页 |
| ·几种典型的自动分词系统 | 第23页 |
| ·特征提取算法的主要理论技术 | 第23-25页 |
| ·信息增益 | 第24-25页 |
| ·互信息 | 第25页 |
| ·X~2估计 | 第25页 |
| ·文本分类器的主要理论技术 | 第25-29页 |
| ·支持向量机法 | 第26-27页 |
| ·K-近邻法 | 第27-28页 |
| ·贝叶斯分类方法 | 第28-29页 |
| ·其它分类器 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于关联的中文文本自动分类关键算法研究 | 第30-60页 |
| ·基于HASH函数的高效中文自动分词算法 | 第30-31页 |
| ·词表的建立 | 第30页 |
| ·算法思想 | 第30-31页 |
| ·歧义识别 | 第31页 |
| ·基于关联分组最优树文本特征抽取方法 | 第31-44页 |
| ·词级关联分组结构图 | 第32-33页 |
| ·WordNet词表的实现 | 第33-39页 |
| ·WordNet的概述 | 第33-34页 |
| ·WordNet的设计思想 | 第34-37页 |
| ·中文WordNet的实现 | 第37-39页 |
| ·WordNet的评价 | 第39页 |
| ·基于关联分组最优树的建立 | 第39-43页 |
| ·词级关联分组的生成 | 第39-40页 |
| ·最优树的生成 | 第40-41页 |
| ·特征矩阵的建立 | 第41-42页 |
| ·综合评价 | 第42-43页 |
| ·实验与结果 | 第43-44页 |
| ·贝叶斯分类器 | 第44-59页 |
| ·贝叶斯判别标准 | 第44-46页 |
| ·贝叶斯判别效果和判别能力的检验 | 第46-51页 |
| ·均值向量和协方差矩阵的估计值 | 第46-48页 |
| ·两个文本样本之间差异的显著性检验 | 第48-49页 |
| ·多个文本样本判别效果的检验 | 第49-50页 |
| ·各变量的相对判别能力 | 第50-51页 |
| ·贝叶斯分类过程 | 第51-55页 |
| ·逐步选入变量 | 第52-53页 |
| ·及时剔除变量 | 第53-54页 |
| ·判别分类 | 第54-55页 |
| ·实验与结果 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于关联的分类系统的实现与性能分析 | 第60-70页 |
| ·分类系统的实现 | 第60-64页 |
| ·分类系统的训练 | 第60-64页 |
| ·分类系统中分类器的实现 | 第64页 |
| ·分类系统的性能比较分析 | 第64-69页 |
| ·实验与结果 | 第65-68页 |
| ·系统性能分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 结束语 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·有待进一步研究的工作 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附研究生在读研期间的科研经历 | 第77页 |
