基于特征提取和主题模型的文本分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·文本分类研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的组织 | 第12-14页 |
| 第二章 文本分类相关技术概述 | 第14-28页 |
| ·文本预处理 | 第15-16页 |
| ·文本表示 | 第16-17页 |
| ·特征提取 | 第17-20页 |
| ·文档频率(DF) | 第17-18页 |
| ·互信息(MI) | 第18页 |
| ·CHI统计量 | 第18-19页 |
| ·信息增益(IG) | 第19页 |
| ·期望交叉熵(ECE) | 第19-20页 |
| ·常见文本分类算法 | 第20-27页 |
| ·Rocchio分类 | 第20页 |
| ·贝叶斯分类 | 第20-21页 |
| ·决策树归纳分类 | 第21-23页 |
| ·k最近邻分类 | 第23-24页 |
| ·支持向量机 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 融合CHI和MI的特征提取方法 | 第28-32页 |
| ·引言 | 第28页 |
| ·CHI和MI特征提取方法的不足 | 第28页 |
| ·融合CHI和MI改进的特征提取方法 | 第28-30页 |
| ·实验结果和分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 融合特征提取和LDA模型文本分类 | 第32-42页 |
| ·传统方法的问题 | 第32页 |
| ·主题模型 | 第32-36页 |
| ·pLSI模型 | 第32-35页 |
| ·LDA模型 | 第35-36页 |
| ·融合CHI特征提取和LDA模型的文本分类方法 | 第36-41页 |
| ·基本流程 | 第36-37页 |
| ·文本预处理 | 第37页 |
| ·LDA模型的训练和推断 | 第37-40页 |
| ·CHI特征提取和文本特征表示 | 第40页 |
| ·特征的融合和分类过程实现 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 实验和结果分析 | 第42-54页 |
| ·实验的软硬件环境 | 第42页 |
| ·实验语料库和结果评估指标 | 第42-44页 |
| ·实验语料库 | 第42-43页 |
| ·实验的结果评估指标 | 第43-44页 |
| ·文本预处理 | 第44-45页 |
| ·LDA模型训练和推断 | 第45-48页 |
| ·LDA模型的训练 | 第46-47页 |
| ·LDA模型的推断 | 第47-48页 |
| ·文本的数理统计信息表示 | 第48-49页 |
| ·LDA和CHI组合参数确定 | 第49页 |
| ·文本分类实验和结果分析 | 第49-53页 |
| ·SVM实验结果及分析 | 第49-51页 |
| ·朴素贝叶斯实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表的论文 | 第61页 |
