| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文研究内容和结构 | 第11-13页 |
| 1.3.1 本文研究内容 | 第11-12页 |
| 1.3.2 本文组织结构 | 第12-13页 |
| 第二章 文本分类基本方法 | 第13-21页 |
| 2.1 文本分类定义 | 第13页 |
| 2.2 文本分类流程 | 第13-14页 |
| 2.3 文本预处理 | 第14-16页 |
| 2.4 文本表示模型 | 第16-17页 |
| 2.5 特征选择 | 第17页 |
| 2.6 特征加权 | 第17-18页 |
| 2.7 文本分类方法 | 第18-20页 |
| 2.7.1 朴素贝叶斯方法 | 第18页 |
| 2.7.2 K最近邻方法 | 第18-19页 |
| 2.7.3 支持向量机方法 | 第19-20页 |
| 2.8 评价指标 | 第20页 |
| 2.9 本章小结 | 第20-21页 |
| 第三章 特征选择方法研究 | 第21-34页 |
| 3.1 常用特征选择方法 | 第21-23页 |
| 3.1.1 文档频率 | 第21页 |
| 3.1.2 信息增益 | 第21-22页 |
| 3.1.3 卡方统计 | 第22页 |
| 3.1.4 类内类间综合度量特征重要度的特征选择方法 | 第22-23页 |
| 3.2 特征选择的基本原则 | 第23-24页 |
| 3.3 本文特征选择方法 | 第24-26页 |
| 3.3.1 基于段落和类别分布的特征选择方法 | 第24-25页 |
| 3.3.2 算法流程描述 | 第25-26页 |
| 3.4 实验结果及分析 | 第26-33页 |
| 3.4.1 实验环境和语料 | 第26页 |
| 3.4.2 复旦数据集实验及结果分析 | 第26-30页 |
| 3.4.3 搜狐新闻数据集实验及结果分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 特征加权方法研究 | 第34-40页 |
| 4.1 常用特征加权方法 | 第34-35页 |
| 4.1.1 词频逆文档频 | 第34页 |
| 4.1.2 词频逆重力矩 | 第34-35页 |
| 4.2 本文特征加权方法 | 第35-37页 |
| 4.3 实验结果及分析 | 第37-39页 |
| 4.3.1 实验环境和语料 | 第37页 |
| 4.3.2 WebKB数据集实验及结果分析 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-41页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44页 |