基于稀疏贝叶斯模型的文本分类方案研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文研究的内容 | 第11-12页 |
| 1.4 本文相关的组织结构 | 第12-13页 |
| 2 文本分类基本技术 | 第13-24页 |
| 2.1 中文文本的分类处理 | 第13-18页 |
| 2.1.1 中文文本的分词方法 | 第13-14页 |
| 2.1.2 中文文本模型的表示 | 第14-16页 |
| 2.1.3 特征子集和特征权重 | 第16-18页 |
| 2.2 训练方法和分类算法 | 第18-23页 |
| 2.2.1 KNN分类算法 | 第19-20页 |
| 2.2.2 朴素贝叶斯算法 | 第20页 |
| 2.2.3 Rocchio算法 | 第20-21页 |
| 2.2.4 支持向量机的分类算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于稀疏贝叶斯概率模型的文本分类 | 第24-29页 |
| 3.1 稀疏贝叶斯基本理论 | 第24页 |
| 3.2 稀疏贝叶斯分类模型 | 第24-26页 |
| 3.3 基于稀疏贝叶斯模型的文本分类 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 4 实验及分析 | 第29-32页 |
| 4.1 实验测试环境 | 第29页 |
| 4.1.1 数据集 | 第29页 |
| 4.2 实验设计方案与评估方式 | 第29页 |
| 4.3 实验方案的结果及对应的分析 | 第29-31页 |
| 4.4 本章结论 | 第31-32页 |
| 结论 | 第32-33页 |
| 参考文献 | 第33-35页 |
| 研究生学习期间的主要研究成果 | 第35-36页 |
| 致谢 | 第36页 |
