| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-12页 |
| ·研究背景 | 第9页 |
| ·文本自动分类技术概述 | 第9-10页 |
| ·本文工作和结构安排 | 第10-12页 |
| 第二章 中文文本自动分类技术 | 第12-21页 |
| ·中文文本自动分类的过程 | 第12页 |
| ·特征提取 | 第12-15页 |
| ·文档频率(Document Frequency,DF) | 第13-14页 |
| ·信息增益(Information Gain,IG) | 第14页 |
| ·互信息(Mutual information,MI) | 第14-15页 |
| ·开方拟和检验(x~2-test,CHI) | 第15页 |
| ·分类算法 | 第15-19页 |
| ·Rocchio算法 | 第15-16页 |
| ·朴素贝叶斯(Na(i|¨)ve Bayes,NB) | 第16-17页 |
| ·k最近邻居算法 | 第17页 |
| ·支持向量机算法 | 第17-18页 |
| ·决策树(Dtree,Decision Tree)算法 | 第18-19页 |
| ·关于分类算法 | 第19页 |
| ·对分类系统的评价 | 第19-21页 |
| 第三章 EPs和eEPs的概念 | 第21-36页 |
| ·EPs和eEPs的概念及特性 | 第21-26页 |
| ·EPs的概念 | 第21-23页 |
| ·EPs的特性及其常见形式 | 第23-25页 |
| ·eEPs的特性 | 第25-26页 |
| ·基于EPs和eEPs的分类算法 | 第26-36页 |
| ·基于EPs的分类特点 | 第27-28页 |
| ·基于EPs的分类算法 | 第28-33页 |
| ·基于eEPs的分类算法 | 第33-36页 |
| 第四章 基于eEP的文本分类算法TCEP | 第36-45页 |
| ·预处理过程 | 第36-38页 |
| ·基于区分能力的特征提取方法 | 第38-40页 |
| ·基于eEPs的中文文本分类算法TCEP | 第40-45页 |
| ·预处理及特征提取模块的实现 | 第41-42页 |
| ·挖掘eEPs | 第42-43页 |
| ·对未知样本的分类 | 第43-45页 |
| 第五章 算法TCEP的性能分析 | 第45-52页 |
| ·实验数据 | 第45-46页 |
| ·类个数阈值β对分类性能的影响 | 第46-47页 |
| ·基于区分能力的特征提取方法和文档频率方法的比较 | 第47-48页 |
| ·算法TCEP与其它算法的比较 | 第48-52页 |
| 结束语 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录：硕士期间发表的学术论文 | 第58页 |
