摘要 | 第4-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-14页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 本文研究内容 | 第13页 |
1.4 本文组织结构 | 第13-14页 |
第2章 文本分类相关技术介绍 | 第14-28页 |
2.1 文本分类简介 | 第14-15页 |
2.2 文本预处理 | 第15-16页 |
2.3 文本表示模型 | 第16-18页 |
2.3.1 布尔模型(BoolenModel) | 第16-17页 |
2.3.2 向量空间模型(SupportVectorModel) | 第17-18页 |
2.3.3 概率模型(ProbabilisticModel) | 第18页 |
2.4 特征降维方法 | 第18-23页 |
2.4.1 文档频率 | 第19页 |
2.4.2 词频——逆文档频 | 第19页 |
2.4.3 ?2统计量 | 第19-21页 |
2.4.4 互信息 | 第21-22页 |
2.4.5 信息增益 | 第22-23页 |
2.5 常用的文本分类算法 | 第23-26页 |
2.5.1 KNN分类算法 | 第23-24页 |
2.5.2 朴素贝叶斯 | 第24-25页 |
2.5.3 支持向量机 | 第25-26页 |
2.6 文本分类性能评估指标 | 第26-28页 |
2.6.1 准确率和召回率 | 第26-27页 |
2.6.2 F值 | 第27-28页 |
第3章 基于信息增益的特征选择方法改进 | 第28-41页 |
3.1 传统的信息增益特征选择 | 第28-29页 |
3.1.1 传统的信息增益特征选择流程 | 第28页 |
3.1.2 传统的信息增益特征选择方法的不足 | 第28-29页 |
3.2 影响特征词对文本分类的因素 | 第29页 |
3.3 词频 | 第29-30页 |
3.3.1 类间词频 | 第30页 |
3.3.2 类内词频 | 第30页 |
3.4 类间分离度和类内分散度 | 第30-31页 |
3.4.1 类间分离度 | 第31页 |
3.4.2 类内分散度 | 第31页 |
3.5 信息增益的改进 | 第31-32页 |
3.6 改进因素对公式的影响 | 第32-36页 |
3.7 实验结果 | 第36-40页 |
3.7.1 实验预料处理 | 第36-37页 |
3.7.2 实验结果对比 | 第37-40页 |
3.8 本章小结 | 第40-41页 |
第4章 特征选择与LDA相结合的实现 | 第41-53页 |
4.1 主题模型 | 第41-45页 |
4.1.1 LSA主题模型 | 第41-42页 |
4.1.2 pLSA主题模型 | 第42-43页 |
4.1.3 LDA主题模型 | 第43-45页 |
4.2 改进的信息增益方法与LDA主题模型结合 | 第45-47页 |
4.2.1 结合流程 | 第45-46页 |
4.2.2 LDA主题模型中的参数调整 | 第46-47页 |
4.3 实验结果 | 第47-52页 |
4.3.1 实验环境 | 第47页 |
4.3.2 实验语料 | 第47-48页 |
4.3.3 主题数量的确定 | 第48-49页 |
4.3.4 实验结果对比 | 第49-52页 |
4.4 本章小结 | 第52-53页 |
第5章 工作总结与展望 | 第53-55页 |
5.1 工作总结 | 第53页 |
5.2 工作展望 | 第53-55页 |
参考文献 | 第55-59页 |
致谢 | 第59页 |