| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外文本分类研究现状综述 | 第9-12页 |
| ·文本分类介绍 | 第9-10页 |
| ·特征选择介绍 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的研究内容 | 第12-14页 |
| ·本文的主要工作 | 第12页 |
| ·本文的组织 | 第12-14页 |
| 第二章 文本分类技术 | 第14-29页 |
| ·文本分类的定义 | 第14-15页 |
| ·文本分类任务流程 | 第15-17页 |
| ·文本表示模型 | 第17-18页 |
| ·向量空间模型 | 第17页 |
| ·布尔模型 | 第17-18页 |
| ·概率模型 | 第18页 |
| ·常用的文本分类方法 | 第18-26页 |
| ·Naive Bayes方法 | 第19-20页 |
| ·KNN方法 | 第20-21页 |
| ·类中心向量法 | 第21-22页 |
| ·神经网络 | 第22-24页 |
| ·支持向量机 | 第24-25页 |
| ·决策树方法 | 第25-26页 |
| ·文本分类方法的性能评估 | 第26-28页 |
| ·查全率与查准率、宏平均与微平均 | 第26-27页 |
| ·BEP(Break-even point)和F1(F-measure) | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 特征选择方法研究 | 第29-33页 |
| ·特征选择方法概述 | 第29-30页 |
| ·常用的特征选择方法及评价 | 第30-32页 |
| ·文档频率(DF) | 第30-31页 |
| ·信息增益(IG) | 第31页 |
| ·互信息(MI) | 第31-32页 |
| ·X~2统计(CHI) | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于改进的X~2统计方法的特征选择 | 第33-41页 |
| ·传统的X~2统计方法 | 第33-34页 |
| ·应用举例 | 第34-35页 |
| ·X~2统计方法的不足 | 第35-36页 |
| ·改进的X~2统计方法 | 第36-38页 |
| ·文档内频度 | 第36页 |
| ·类内正确度 | 第36-37页 |
| ·改进后X~2统计方法 | 第37-38页 |
| ·中文文本分类系统 | 第38-40页 |
| ·文本分类系统框架 | 第38-39页 |
| ·特征选择系统 | 第39-40页 |
| ·分类系统 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验与结果分析 | 第41-48页 |
| ·数据来源及实验参数选择 | 第41-42页 |
| ·数据来源 | 第41页 |
| ·实验参数选择 | 第41-42页 |
| ·文本分类实验结果分析 | 第42-47页 |
| ·混淆矩阵 | 第42-44页 |
| ·各个类的查全率、查准率、F1值 | 第44页 |
| ·总体查全率、查准率、F1值 | 第44-45页 |
| ·各个类的分类情况图形显示 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·本文的工作总结 | 第48页 |
| ·进一步的工作 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录 | 第55页 |