中文文本自动分类相关算法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景 | 第10-11页 |
| ·国内外研究状况 | 第11-12页 |
| ·当前研究重点 | 第12-13页 |
| ·相关工作介绍 | 第13-14页 |
| ·研究和开发的内容 | 第14页 |
| ·本文的内容结构 | 第14-15页 |
| ·本章小节 | 第15-16页 |
| 第二章 文本分类预处理 | 第16-27页 |
| ·文本分类概述 | 第16-17页 |
| ·文本分类的特点 | 第17-18页 |
| ·文档表示 | 第18-21页 |
| ·文档集 | 第18页 |
| ·文档特征 | 第18-20页 |
| ·文档表示 | 第20-21页 |
| ·向量空间模型 | 第21-23页 |
| ·关于VSM 的基本概念 | 第22页 |
| ·项的处理 | 第22-23页 |
| ·文档分词处理 | 第23-26页 |
| ·本章小节 | 第26-27页 |
| 第三章 特征提取技术 | 第27-32页 |
| ·特征选择方法概述 | 第27-28页 |
| ·常用特征选择算法及评价 | 第28-31页 |
| ·文档频率 | 第28页 |
| ·信息增益和右半信息增益 | 第28-29页 |
| ·期望交叉熵 | 第29页 |
| ·互信息 | 第29-30页 |
| ·X~2统计 | 第30页 |
| ·证据权值 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 权重计算的研究和改进 | 第32-39页 |
| ·传统权重计算TF*IDF | 第32-33页 |
| ·如何改进的权重计算方法 | 第33-38页 |
| ·基于TF*特征选择函数值的改进及含义 | 第34-36页 |
| ·基于TF*IDF*特征选择函数的改进和含义 | 第36-37页 |
| ·基于添加特征提取函数的改进的数据效果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 几种常见的文本分类算法 | 第39-45页 |
| ·文本分类方法 | 第39-44页 |
| ·最小距离分类器 | 第40-41页 |
| ·K 最近邻分类器 | 第41页 |
| ·基本Bayes 分类器 | 第41-42页 |
| ·支持向量机分类器 | 第42-44页 |
| ·本章小节 | 第44-45页 |
| 第六章 系统的分析与实现 | 第45-60页 |
| ·中文文本自动分类系统分析 | 第45-46页 |
| ·训练模块分析 | 第45页 |
| ·分类模块的分析 | 第45-46页 |
| ·系统需要考虑的因素 | 第46页 |
| ·文本分类系统设计 | 第46-52页 |
| ·文本分类工作流程 | 第47-49页 |
| ·系统的具体设计 | 第49-50页 |
| ·系统的采用的算法 | 第50-51页 |
| ·系统过程的算法描述 | 第51-52页 |
| ·系统开发平台和系统实现 | 第52-59页 |
| ·系统中的主要的类及其作用 | 第53-54页 |
| ·系统classifierParm 的参数类分析 | 第54-56页 |
| ·评价方法 | 第56页 |
| ·系统运行结果界面 | 第56-58页 |
| ·系统不同特征选择算法的数据分析 | 第58-59页 |
| ·系统与传统分类器和现有分类器的比较 | 第59页 |
| ·本章小结 | 第59-60页 |
| 总结和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
