基于自然语言处理和机器学习的文本分类及其应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-12页 |
| ·文本分类的应用背景 | 第8-9页 |
| ·文本分类的定义 | 第9-10页 |
| ·本文工作 | 第10-11页 |
| ·本文的安排 | 第11-12页 |
| 第二章 文本分类的主要阶段、性能评价 | 第12-65页 |
| ·概述 | 第12-13页 |
| ·文本分类第一阶段—文本表示成向量 | 第13-38页 |
| ·概述 | 第13页 |
| ·中文文本预处理 | 第13-30页 |
| ·经典的特征降维方法 | 第30-33页 |
| ·基于均值方差的特征降维方法 | 第33-37页 |
| ·权值计算，向量生成 | 第37-38页 |
| ·小结 | 第38页 |
| ·文本分类第二阶段—学习机器的训练 | 第38-63页 |
| ·机器学习概述 | 第38-56页 |
| ·支持向量机 | 第56-60页 |
| ·Knn | 第60-61页 |
| ·多分类问题 | 第61页 |
| ·小结 | 第61-63页 |
| ·分类性能的评价 | 第63-65页 |
| ·性能评价的方法 | 第63页 |
| ·性能评价的指标 | 第63-65页 |
| 第三章 文本分类的工程实现 | 第65-82页 |
| ·试验设置 | 第65页 |
| ·体系结构 | 第65-68页 |
| ·核心数据结构—词表 | 第68-71页 |
| ·主要算法过程 | 第71-78页 |
| ·文本预处理 | 第71-72页 |
| ·特征降维 | 第72-75页 |
| ·向量生成 | 第75-76页 |
| ·训练学习机器，计算文本的类别 | 第76-77页 |
| ·统计性能评价指标值 | 第77-78页 |
| ·性能评价的试验结果及其分析 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第四章 文本分类的应用 | 第82-87页 |
| ·在网上信息检索中的应用 | 第82-83页 |
| ·在特定领域的应用 | 第83-87页 |
| 第五章 展望、小结 | 第87-90页 |
| ·分类体系的改进 | 第87页 |
| ·反馈的引入 | 第87页 |
| ·降维后空间大小的确定 | 第87-88页 |
| ·效率的提高 | 第88页 |
| ·小结 | 第88-90页 |
| 参考文献 | 第90-93页 |
| 发表的论文 | 第93-94页 |
| 致谢 | 第94-95页 |
