| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 2 中文文本分类基础 | 第14-27页 |
| 2.1 文本预处理 | 第14-15页 |
| 2.2 文本的表示 | 第15-17页 |
| 2.3 特征选择方法 | 第17-19页 |
| 2.4 文本分类算法 | 第19-25页 |
| 2.5 文本分类性能评估 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于改进LDA和SVM的中文文本分类方法 | 第27-43页 |
| 3.1 主题模型 | 第27-34页 |
| 3.2 基于词性和词性组合改进的LDA模型设计 | 第34-35页 |
| 3.3 改进LDA模型参数估计 | 第35-37页 |
| 3.4 支持向量机多分类方法 | 第37-41页 |
| 3.5 基于PSC-LDA_SVM方法的多类文本分类设计 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 实验与分析 | 第43-56页 |
| 4.1 实验环境 | 第43页 |
| 4.2 实验语料选择 | 第43-44页 |
| 4.3 基于正则表达式获取不同词性的词集 | 第44-46页 |
| 4.4 PSC-LDA模型确定最优词集及最优主题数目实验 | 第46-51页 |
| 4.5 PSC-LDA_SVM和其他方法对比实验 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |