| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究的背景与意义 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·本文内容组织安排 | 第12-13页 |
| 第2章 互联网短文本信息的特点 | 第13-21页 |
| ·互联网短文本相关背景知识 | 第13-15页 |
| ·短文本定义 | 第15页 |
| ·短文本特点 | 第15-16页 |
| ·短文本信息分类技术难点描述及解决方案 | 第16-20页 |
| ·短文本信息分类技术难点描述——离散文本信息的特征分析识别技术 | 第16-17页 |
| ·技术难点解决方案——离散文本信息特征分析识别技术 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 普通文本分类系统 | 第21-44页 |
| ·文本分类概念 | 第21-22页 |
| ·文本分类发展过程 | 第22-23页 |
| ·文本分类研究现状 | 第23-24页 |
| ·相关技术 | 第24-41页 |
| ·文本预处理 | 第25-29页 |
| ·文本表示 | 第29-31页 |
| ·特征选择 | 第31-35页 |
| ·向量表示 | 第35-37页 |
| ·分类算法 | 第37-41页 |
| ·分类结果评测方法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 文本分类在互联网短文本信息中的应用 | 第44-59页 |
| ·互联网短文本信息分类现状 | 第44-45页 |
| ·系统架构 | 第45-47页 |
| ·本文实现关键技术 | 第47-57页 |
| ·文本分词 | 第47-51页 |
| ·文本特征描述 | 第51-54页 |
| ·文本模型表达 | 第52页 |
| ·特征抽取 | 第52-53页 |
| ·向量表达 | 第53-54页 |
| ·分类算法 | 第54-55页 |
| ·反馈算法 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 系统实验与讨论 | 第59-67页 |
| ·短文本信息分类信息提取 | 第59-61页 |
| ·短文本信息分类实验与讨论 | 第61-65页 |
| ·OR 算法改进实验结果 | 第61页 |
| ·分类实验结果 | 第61-64页 |
| ·算法性能评估与讨论 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 结束语 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-77页 |
| 上海交通大学学位论文答辩决议书 | 第77页 |