基于机器学习的中文文本自动分类的研究和应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-13页 |
| ·研究的意义 | 第8页 |
| ·国内外的研究现状 | 第8-9页 |
| ·本课题研究的主要内容 | 第9-11页 |
| ·中文WEB文本的自动抓取 | 第9-10页 |
| ·中文WEB文本的预处理 | 第10页 |
| ·中文文本的自动分类器 | 第10-11页 |
| ·本课题的创新点 | 第11页 |
| ·本文的结构 | 第11-13页 |
| 第2章 总体设计 | 第13-16页 |
| ·功能模块 | 第13-14页 |
| ·网络蜘蛛 | 第13-14页 |
| ·中文分词 | 第14页 |
| ·特征选取 | 第14页 |
| ·贝叶斯机器学习及分类 | 第14页 |
| ·开发平台的选择 | 第14-16页 |
| 第3章 网络蜘蛛 | 第16-31页 |
| ·网络蜘蛛的遍历策略 | 第16-17页 |
| ·Robots协议 | 第17-18页 |
| ·WEB文本的信息提取 | 第18-20页 |
| ·HTML结构化解析 | 第20-29页 |
| ·HTML中的超链接 | 第20页 |
| ·HTML解析 | 第20-29页 |
| ·网络蜘蛛的实现 | 第29-31页 |
| 第4章 中文WEB文本的预处理 | 第31-40页 |
| ·文本内容过滤 | 第31-32页 |
| ·中文分词 | 第32-37页 |
| ·简单扫描匹配法 | 第33-34页 |
| ·扫描及条件决择法 | 第34-35页 |
| ·复杂人工智能方法 | 第35-37页 |
| ·中文分词的实现 | 第37-40页 |
| ·中文词典 | 第37-39页 |
| ·中文词条切分 | 第39-40页 |
| 第5章 特征选取 | 第40-44页 |
| ·特征选取算法 | 第40-42页 |
| ·文本频度法 | 第40-41页 |
| ·相关信息量法 | 第41页 |
| ·x~2统计法 | 第41-42页 |
| ·词条频度法 | 第42页 |
| ·特征选取算法的比较与改进 | 第42-44页 |
| 第6章 基于贝叶斯学习的文本分类器的实现 | 第44-48页 |
| ·贝叶斯方法与文本分类 | 第44-45页 |
| ·Naive贝叶斯分类方法 | 第45-46页 |
| ·Naive贝叶斯分类方法 | 第45-46页 |
| ·估计概率 | 第46页 |
| ·Naive贝叶斯文本分类器算法 | 第46-48页 |
| 第7章 实验与测试分析 | 第48-53页 |
| ·实验运行效果与分析 | 第48-51页 |
| ·文本分类的实验结果与分析 | 第51-53页 |
| 第8章 结论 | 第53-55页 |
| ·中文文本分类小结 | 第53页 |
| ·进一步研究的设想 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表论文情况 | 第59页 |
