面向文本挖掘的同频词统计规律及短文本分类方法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-12页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 论文研究内容 | 第11页 |
| 1.3 论文章节安排 | 第11-12页 |
| 2 相关工作及研究进展 | 第12-16页 |
| 2.1 文本同频词统计规律研究 | 第12-13页 |
| 2.1.1 齐普夫定律 | 第12页 |
| 2.1.2 布茨定律和词频界分公式 | 第12-13页 |
| 2.2 短文本分类研究现状 | 第13-14页 |
| 2.3 维基百科研究现状及分析 | 第14-16页 |
| 3 中文文本同频词统计规律研究 | 第16-33页 |
| 3.1 中文文本中I1 与D比值的变化规律 | 第16-19页 |
| 3.2 中文文本中In与I1 比值的变化规律 | 第19-22页 |
| 3.3 同频词数In的数学表达式推导 | 第22-24页 |
| 3.4 同频词数In表达式的结果验证 | 第24-29页 |
| 3.5 高频词的界分公式改进及验证 | 第29-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 同频词统计规律在文本关键词提取中的应用 | 第33-38页 |
| 4.1 频次统计在关键词提取中的应用 | 第33-35页 |
| 4.2 实验结果与分析 | 第35-37页 |
| 4.3 本章小结 | 第37-38页 |
| 5 基于维基百科的短文本分类方法 | 第38-60页 |
| 5.1 维基百科 | 第38-43页 |
| 5.1.1 解释页面 | 第38页 |
| 5.1.2 消歧和重定向页面 | 第38-39页 |
| 5.1.3 信息框 | 第39页 |
| 5.1.4 分类索引 | 第39-40页 |
| 5.1.5 讨论页面 | 第40-41页 |
| 5.1.6 维基百科语义网络 | 第41-43页 |
| 5.2 利用维基百科扩充分词库 | 第43-44页 |
| 5.2.1 正向最大匹配分词算法 | 第43页 |
| 5.2.2 利用维基词条扩充分词库 | 第43-44页 |
| 5.3 卡方统计特征选择 | 第44-46页 |
| 5.3.1 CHI统计算法 | 第44-45页 |
| 5.3.2 文本特征选择结果 | 第45-46页 |
| 5.4 基于维基百科的贝叶斯信念网络构建 | 第46-56页 |
| 5.4.1 朴素贝叶斯分类器 | 第46-47页 |
| 5.4.2 贝叶斯网络结构学习 | 第47-48页 |
| 5.4.3 K2 算法 | 第48-50页 |
| 5.4.4 基于维基百科构建贝叶斯网络 | 第50-53页 |
| 5.4.5 利用贝叶斯网进行特征扩展 | 第53-56页 |
| 5.5 实验与评价 | 第56-59页 |
| 5.5.1 实验测试环境 | 第56页 |
| 5.5.2 数据集 | 第56页 |
| 5.5.3 特征扩展实验结果对比 | 第56-58页 |
| 5.5.4 贝叶斯信念网分类结果评估 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间取得的科研成果清单 | 第67页 |
