| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 文本分类研究现状 | 第9-11页 |
| 1.3 朴素贝叶斯与文本分类 | 第11-12页 |
| 1.4 本文的工作 | 第12页 |
| 1.5 本文的组织结构 | 第12-14页 |
| 第2章 文本分类技术 | 第14-22页 |
| 2.1 文本分类的过程 | 第14-15页 |
| 2.2 文本向量表示 | 第15-19页 |
| 2.2.1 文本预处理 | 第15-16页 |
| 2.2.2 向量空间模型 | 第16-17页 |
| 2.2.3 特征权重 | 第17-19页 |
| 2.3 文本分类方法 | 第19-20页 |
| 2.3.1 决策树分类器 | 第19页 |
| 2.3.2 k 近邻分类器 | 第19-20页 |
| 2.3.3 朴素贝叶斯分类器 | 第20页 |
| 2.3.4 支持向量机分类器 | 第20页 |
| 2.4 性能评估方法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 朴素贝叶斯分类模型 | 第22-32页 |
| 3.1 贝叶斯基础理论 | 第22-24页 |
| 3.1.1 贝叶斯定理 | 第22-23页 |
| 3.1.2 极大后验假设与极大似然假设 | 第23页 |
| 3.1.3 事件的独立性 | 第23-24页 |
| 3.2 朴素贝叶斯分类器 | 第24-25页 |
| 3.3 朴素贝叶斯文本分类 | 第25-28页 |
| 3.3.1 朴素贝叶斯文本分类算法 | 第25-26页 |
| 3.3.2 多变量伯努利模型 | 第26-27页 |
| 3.3.3 多项式模型 | 第27-28页 |
| 3.3.4 两个模型的区别 | 第28页 |
| 3.4 朴素贝叶斯分类器的改进 | 第28-29页 |
| 3.5 实验设计与结果比较 | 第29-31页 |
| 3.5.1 实验1：多项式模式与多变量伯努利模型比较 | 第29-30页 |
| 3.5.2 实验2：改进后的多项式模型与多项式模型比较 | 第30-31页 |
| 3.5.3 实验小结 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 选择性朴素贝叶斯方法 | 第32-40页 |
| 4.1 常用的特征选择方法 | 第32-35页 |
| 4.1.1 文档频率 | 第32页 |
| 4.1.2 信息增益 | 第32-33页 |
| 4.1.3 χ~2 统计量 | 第33-34页 |
| 4.1.4 互信息 | 第34-35页 |
| 4.2 实验设计与结果分析 | 第35-38页 |
| 4.3 特征选择实验比较 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 朴素贝叶斯文本分类的设计与实现 | 第40-42页 |
| 5.1 系统的实现 | 第40页 |
| 5.2 系统模块 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第6章 结论与展望 | 第42-44页 |
| 6.1 工作总结 | 第42页 |
| 6.2 后续工作 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-47页 |
| 攻读硕士学位期间发表论文情况 | 第47页 |