基于语义分析的文本挖掘研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·研究方向及内容安排 | 第12-15页 |
| 第二章 文本分类的理论和技术 | 第15-26页 |
| ·文本分类概述 | 第15-16页 |
| ·文本的表示 | 第16-18页 |
| ·文本表示模型 | 第16-17页 |
| ·中文分词 | 第17-18页 |
| ·文本特征的提取 | 第18-22页 |
| ·特征词的文本频率 | 第19页 |
| ·信息增益方法 | 第19-20页 |
| ·互信息方法 | 第20-21页 |
| ·CHI 统计 | 第21-22页 |
| ·常用的分类算法介绍 | 第22-24页 |
| ·K-近邻法 | 第22页 |
| ·朴素贝叶斯法 | 第22-23页 |
| ·神经网络方法 | 第23-24页 |
| ·支持向量机法 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于语义的文本分类方法 | 第26-40页 |
| ·潜在语义分析 | 第26-30页 |
| ·潜在语义分析的背景与发展 | 第27页 |
| ·潜在语义分析的基本原理 | 第27-29页 |
| ·潜在语义分析的特点 | 第29-30页 |
| ·外部语义知识 | 第30-35页 |
| ·WordNet | 第30-32页 |
| ·HowNet | 第32-34页 |
| ·同义词语林 | 第34-35页 |
| ·基于《同义词语林》的特征提取 | 第35-39页 |
| ·“=”类的同义词替换 | 第35-38页 |
| ·“#”类的近义词组合 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 有指导的文本特征加权方法 | 第40-48页 |
| ·特征加权方法 | 第40-42页 |
| ·传统的特征加权方法 | 第40-41页 |
| ·有指导的特征加权方法 | 第41-42页 |
| ·特征加权方法的比较 | 第42-44页 |
| ·本文提出的特征加权方法 | 第44-47页 |
| ·一种新的特征加权方法 | 第44-45页 |
| ·改进的有指导的特征加权方法 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验及结果分析 | 第48-55页 |
| ·实验数据构造 | 第48-49页 |
| ·分词系统 | 第49页 |
| ·LIBSVM 分类器 | 第49-50页 |
| ·实验数据及分析 | 第50-54页 |
| ·基于《同义词语林》的特征提取 | 第51-52页 |
| ·改进的特征加权 | 第52-54页 |
| ·本章总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·主要工作及创新点 | 第55-56页 |
| ·今后工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间参加的科研项目和成果 | 第61页 |
