| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究的背景及目的 | 第10-11页 |
| ·数据挖掘 | 第11-17页 |
| ·数据挖掘的由来 | 第11-12页 |
| ·数据挖掘的定义 | 第12-13页 |
| ·数据挖掘研究的内容和本质 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘未来研究方向 | 第15-17页 |
| ·国内外相关研究 | 第17-18页 |
| ·论文研究的内容及结构 | 第18-20页 |
| ·论文研究的内容 | 第18-19页 |
| ·论文的结构 | 第19-20页 |
| 第2章 文本分类的定义和应用前景 | 第20-26页 |
| ·文本挖掘 | 第20-22页 |
| ·文本挖掘的定义 | 第20页 |
| ·文本挖掘的分类 | 第20-22页 |
| ·文本分类 | 第22-23页 |
| ·文本分类的定义 | 第23-24页 |
| ·文本分类的应用 | 第24-25页 |
| ·文献自动标引 | 第24页 |
| ·文本过滤 | 第24页 |
| ·词义排歧 | 第24-25页 |
| ·网页分类 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 文本分类的关键技术和方法 | 第26-41页 |
| ·人工方法和自动方法 | 第26-27页 |
| ·文本分类的过程 | 第27-35页 |
| ·文本信息的预处理 | 第28-29页 |
| ·文本表示 | 第29-30页 |
| ·空间降维 | 第30-35页 |
| ·特征匹配和分类 | 第35页 |
| ·文本分类方法 | 第35-40页 |
| ·Rocchio | 第35-36页 |
| ·简单向量距离分类法 | 第36页 |
| ·贝叶斯方法Naive Bayes | 第36-37页 |
| ·最近邻居方法KNN | 第37页 |
| ·决策树方法 | 第37-38页 |
| ·神经网络方法 | 第38-40页 |
| ·支持向量机SVM | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于语义概念的中文文本分类系统的设计及实现 | 第41-50页 |
| ·语义概念分析的基本思想 | 第41页 |
| ·基于语义概念分析的分类系统的关键问题 | 第41-47页 |
| ·文本预处理 | 第41-42页 |
| ·文本的特征提取 | 第42-45页 |
| ·文本的向量空间表示 | 第45-46页 |
| ·分类方法 | 第46-47页 |
| ·分类系统的实现 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 分类方法及实验结论 | 第50-60页 |
| ·SVM 的定义 | 第50页 |
| ·SVM 的优点 | 第50-51页 |
| ·SVM 方法介绍 | 第51-55页 |
| ·SVM 算法在分类中的应用 | 第55页 |
| ·实验结果与分析 | 第55-59页 |
| ·实验语料 | 第55-56页 |
| ·评价方法 | 第56页 |
| ·实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |