市长公开电话汉语文本标签的确立
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 绪论 | 第6-13页 |
| ·文本分类概念、研究现状及意义 | 第6-9页 |
| ·市长公开电话简介及研究现状 | 第9-11页 |
| ·基于统计统计学习的常用文本分类算法简介 | 第11-13页 |
| ·朴素贝叶斯算法 | 第11页 |
| ·支持向量机算法 | 第11-12页 |
| ·K邻近算法 | 第12页 |
| ·中心向量分类算法 | 第12-13页 |
| 第2章 文本分类的关键技术 | 第13-18页 |
| ·文本的表示、分词 | 第13-14页 |
| ·分词 | 第13页 |
| ·文本的表示 | 第13-14页 |
| ·特征选择与特征提取 | 第14-16页 |
| ·特征选择 | 第14-16页 |
| ·特征提取 | 第16页 |
| ·文本分类器的设计 | 第16-18页 |
| 第3章 市长公开电话中文本标签的确立 | 第18-33页 |
| ·朴素贝叶斯分类器 | 第18-25页 |
| ·朴素贝叶斯学习算法 | 第19-22页 |
| ·朴素贝叶斯分类算法及效果分析 | 第22-25页 |
| ·基于半监督学习的文本标签的确立 | 第25-28页 |
| ·少量有标签文档的文本分类器设计 | 第25-26页 |
| ·基于EM算法的半监督学习 | 第26-27页 |
| ·EM算法的效果分析 | 第27-28页 |
| ·基于随机森林的分类器 | 第28-29页 |
| ·随机森林的学习算法 | 第28页 |
| ·随机森林的分类算法及效果分析 | 第28-29页 |
| ·基于Boosting方法的分类器 | 第29-33页 |
| ·Boosting方法的学习算法 | 第29-31页 |
| ·Boosting方法的分类算法及效果分析 | 第31-33页 |
| 结论 | 第33-36页 |
| 参考文献 | 第36-39页 |
| 附录一 朴素贝叶斯分类器类定义程序 | 第39-49页 |
| 附录二 朴素贝叶斯分类器程序 | 第49-52页 |
| 附录三 AdaBoost分类器程序 | 第52-56页 |
| 致谢 | 第56-57页 |
