| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·研究内容和组织结构 | 第12-13页 |
| 第二章 文本自动分类技术概述 | 第13-26页 |
| ·文本自动分类的概念 | 第13-14页 |
| ·文本自动分类一般过程 | 第14页 |
| ·文本表示模型 | 第14-17页 |
| ·布尔模型 | 第14-15页 |
| ·向量空间模型 | 第15-17页 |
| ·概率模型 | 第17页 |
| ·特征降维 | 第17-20页 |
| ·特征选择 | 第17-19页 |
| ·特征抽取 | 第19-20页 |
| ·常用文本分类算法 | 第20-24页 |
| ·分类器的性能评价 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于句子级关联特征的文本分类 | 第26-33页 |
| ·引言 | 第26-27页 |
| ·句子级关联特征 | 第27-29页 |
| ·构建特征关联图 | 第27-28页 |
| ·直接聚类挖掘关联特征 | 第28-29页 |
| ·基于句子级关联特征的文本分类 | 第29-31页 |
| ·实验结果及分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 文本分类中基于ADABOOST的特征选择 | 第33-41页 |
| ·集成学习算法综述 | 第33-34页 |
| ·基于ADABoost特征选择的文本分类 | 第34-38页 |
| ·算法描述 | 第34-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·基于两步式特征选择的分类方法 | 第38-39页 |
| ·算法改进 | 第38页 |
| ·实验及结果分析 | 第38-39页 |
| ·性能比较 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第五章 文本分类中基于词性特征子集的分类器集成方法 | 第41-47页 |
| ·特征子集构造方法及研究现状 | 第41-42页 |
| ·词性在特征子集构造中的应用 | 第42-44页 |
| ·词性标注及其应用 | 第42-43页 |
| ·算法设计 | 第43-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·全文总结 | 第47页 |
| ·研究展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文目录 | 第54-56页 |