基于层次分类和集成学习的文本分类技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 引言 | 第7-10页 |
| ·研究背景和研究意义 | 第7-8页 |
| ·本文研究内容 | 第8-9页 |
| ·本文组织 | 第9-10页 |
| 第二章 文本分类概述 | 第10-28页 |
| ·文本分类的定义 | 第10页 |
| ·文本分类系统的组成 | 第10-12页 |
| ·文本预处理 | 第12-14页 |
| ·去除文档中的格式标记 | 第12页 |
| ·过滤非法字符和字母大小写转换 | 第12页 |
| ·去除停用词和稀有词 | 第12-13页 |
| ·词干化处理 | 第13页 |
| ·中文分词处理 | 第13-14页 |
| ·文档表示 | 第14-17页 |
| ·布尔权重 | 第15页 |
| ·词频权重 | 第15-16页 |
| ·TF_IDF 权重 | 第16页 |
| ·TFC 权重 | 第16页 |
| ·ITC 权重 | 第16-17页 |
| ·熵权重 | 第17页 |
| ·维数约减 | 第17-20页 |
| ·文档频数 | 第18页 |
| ·信息增益 | 第18-19页 |
| ·互信息 | 第19-20页 |
| ·χ~2 统计量 | 第20页 |
| ·经典文本分类算法 | 第20-26页 |
| ·KNN 分类算法 | 第20-21页 |
| ·Rocchio 算法 | 第21页 |
| ·Naive Bayes 算法 | 第21-22页 |
| ·决策树算法 | 第22-23页 |
| ·神经网络 | 第23页 |
| ·支持向量机 | 第23-26页 |
| ·评价方法 | 第26-28页 |
| 第三章 层次文本分类技术 | 第28-44页 |
| ·引言 | 第28-29页 |
| ·层次学习概述 | 第29-31页 |
| ·概念 | 第29页 |
| ·多层次的分类体系 | 第29-30页 |
| ·层次分类与平坦分类的比较 | 第30-31页 |
| ·层次学习算法 | 第31-34页 |
| ·层次特征选择 | 第31-32页 |
| ·改进的层次分类算法 | 第32-34页 |
| ·实验设计和实验结果 | 第34-43页 |
| ·文档集 | 第34-35页 |
| ·实验设计 | 第35-36页 |
| ·结果分析 | 第36-43页 |
| ·小结 | 第43-44页 |
| 第四章 集成学习的文本分类模型研究 | 第44-60页 |
| ·集成分类器介绍 | 第44-46页 |
| ·集成分类器集成研究的产生和现状 | 第44页 |
| ·分类器输出信息描述 | 第44-45页 |
| ·多分类器集成类型 | 第45-46页 |
| ·集成学习的理论背景 | 第46-49页 |
| ·随机森林的收敛性[45] | 第46-47页 |
| ·集成分类器的分类强度和相关性 | 第47-49页 |
| ·基于集成学习的文本分类算法 | 第49-54页 |
| ·个体分类器的生成 | 第49-50页 |
| ·个体分类器的选择 | 第50-53页 |
| ·集成分类器算法 | 第53-54页 |
| ·实验设计和实验结果 | 第54-59页 |
| ·实验设计 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·个体选择实验 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·未来工作 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 个人简历 | 第65-66页 |
