| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·选题背景及意义 | 第12-13页 |
| ·文本自动分类的典型应用 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·问题的提出及本文的组织 | 第15-18页 |
| 第二章 文本分类相关技术 | 第18-34页 |
| ·文本分类任务 | 第18-20页 |
| ·文本表示 | 第20-25页 |
| ·向量空间模型 | 第20-21页 |
| ·文本预处理 | 第21-22页 |
| ·中文分词 | 第22-25页 |
| ·降维技术 | 第25-30页 |
| ·特征选择(Feature Selection) | 第26-29页 |
| ·特征抽取(Feature Extraction) | 第29-30页 |
| ·文本分类器性能测试方法与评价 | 第30-33页 |
| ·语料库与测试方法 | 第30-31页 |
| ·性能评价指标 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 经典文本分类算法分析 | 第34-40页 |
| ·核心向量算法 | 第34-35页 |
| ·贝叶斯分类算法 | 第35-37页 |
| ·KNN算法 | 第37-38页 |
| ·支持向量机算法 | 第38-39页 |
| ·决策树算法 | 第39页 |
| ·神经网络算法 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 特征权重算法改进 | 第40-52页 |
| ·经典特征项权重算法 | 第40-42页 |
| ·标准TF-IDF特征权重算法分析 | 第42-44页 |
| ·词对分类重要程度的评测标准 | 第42-43页 |
| ·TF-IDF算法分析 | 第43-44页 |
| ·基于分布与位置信息的TF-IDF | 第44-47页 |
| ·基于分布的加权 | 第45-46页 |
| ·基于特征词位置的权值改进 | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·训练集与测试集 | 第47页 |
| ·实验过程及数据分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 文本分类在垃圾邮件过滤中的应用 | 第52-57页 |
| ·常用垃圾邮件过滤技术 | 第52-53页 |
| ·电子邮件相关知识 | 第53-54页 |
| ·基于文本分类的垃圾邮件过滤系统 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文所做的工作 | 第57页 |
| ·下一步的工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 硕士期间参加的科研项目及发表论文情况 | 第63页 |