基于VSM的中文文本分类算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文结构及创新点 | 第12-13页 |
| 第二章 相关背景知识介绍 | 第13-27页 |
| 2.1 文本分类过程 | 第13-14页 |
| 2.2 文本预处理 | 第14-16页 |
| 2.3 特征选择 | 第16-19页 |
| 2.4 特征加权 | 第19页 |
| 2.5 文本分类方法 | 第19-22页 |
| 2.6 分类评价方法 | 第22-24页 |
| 2.7 分类性能评估指标 | 第24-25页 |
| 2.8 本章小结 | 第25-27页 |
| 第三章 改进信息增益的特征选择算法 | 第27-33页 |
| 3.1 信息增益算法相关理论 | 第27-28页 |
| 3.2 信息增益算法的不足 | 第28页 |
| 3.3 减少低频特征影响 | 第28-29页 |
| 3.4 考虑特征类间分布的改进算法 | 第29-30页 |
| 3.5 实验仿真结果及分析 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 改进TF-IDF的特征权重算法 | 第33-39页 |
| 4.1 TF-IDF算法相关理论 | 第33页 |
| 4.2 TF-IDF算法的不足 | 第33-34页 |
| 4.3 改进的TF-IDF算法 | 第34-36页 |
| 4.4 实验仿真结果及分析 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于互信息加权的朴素贝叶斯分类算法 | 第39-45页 |
| 5.1 朴素贝叶斯分类算法相关理论 | 第39-40页 |
| 5.2 朴素贝叶斯分类算法的不足 | 第40-41页 |
| 5.3 改进的朴素贝叶斯分类算法 | 第41-42页 |
| 5.3.1 互信息相关理论 | 第41页 |
| 5.3.2 特征项加权的朴素贝叶斯分类算法 | 第41-42页 |
| 5.4 实验仿真结果及分析 | 第42-43页 |
| 5.5 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 本文工作总结 | 第45页 |
| 6.2 未来研究展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 附录 攻读硕士学位期间撰写的论文 | 第50-51页 |
| 致谢 | 第51页 |
