| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景和研究意义 | 第10-15页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-14页 |
| 1.1.3 研究内容 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 基于弱分类器的集成技术 | 第16-17页 |
| 1.2.2 特征关联技术 | 第17-18页 |
| 1.2.3 特征同义词扩展技术 | 第18-19页 |
| 1.3 论文的结构安排 | 第19-22页 |
| 第2章 相关理论介绍 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 数据预处理 | 第22-24页 |
| 2.2.1 分词 | 第22-23页 |
| 2.2.2 特征选择 | 第23-24页 |
| 2.3 传统的朴素贝叶斯分类器 | 第24-26页 |
| 2.3.1 算法简介 | 第24页 |
| 2.3.2 算法原理 | 第24-26页 |
| 2.4 传统的AdaBoost算法 | 第26-28页 |
| 2.4.1 算法简介 | 第26页 |
| 2.4.2 算法流程 | 第26-28页 |
| 2.5 word2vec模型 | 第28-29页 |
| 2.5.1 词的向量化 | 第28页 |
| 2.5.2 相似词 | 第28-29页 |
| 2.5.3 word2vec简介 | 第29页 |
| 2.6 文本分类的评价指标 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 朴素贝叶斯集成AdaBoost-NB文本分类器 | 第32-36页 |
| 3.1 引言 | 第32页 |
| 3.2 AdaBoost-NB分类器 | 第32-34页 |
| 3.2.1 AdaBoost加权方式优化 | 第32-33页 |
| 3.2.2 AdaBoost-NB算法描述 | 第33-34页 |
| 3.3 实验 | 第34-35页 |
| 3.3.1 实验数据介绍 | 第34页 |
| 3.3.2 实验结果及分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于上下文语义的朴素贝叶斯文本分类器 | 第36-44页 |
| 4.1 引言 | 第36页 |
| 4.2 word2vec训练描述 | 第36-37页 |
| 4.2.1 相似度阈值 | 第36-37页 |
| 4.2.2 训练过程 | 第37页 |
| 4.3 基于上下文语义的朴素贝叶斯文本分类器描述 | 第37-39页 |
| 4.4 实验 | 第39-43页 |
| 4.4.1 word2vec实验研究 | 第40-41页 |
| 4.4.2 分类器实验数据 | 第41页 |
| 4.4.3 实验结果及分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于上下文语义的AdaBoost-NB文本分类器 | 第44-50页 |
| 5.1 引言 | 第44页 |
| 5.2 分类训练描述 | 第44-47页 |
| 5.3 实验 | 第47-49页 |
| 5.3.1 实验数据 | 第47页 |
| 5.3.2 实验结果及分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |