基于概念的文本分类研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 综述 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·自然语言处理语义层的方法 | 第11-12页 |
| ·研究现状与发展趋势 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 相关技术的研究与论证 | 第16-29页 |
| ·文本分类的基本概念 | 第16-17页 |
| ·文本分类的定义 | 第16页 |
| ·文本分类的类型 | 第16-17页 |
| ·文本分类的一般流程 | 第17-18页 |
| ·文本表示 | 第18-21页 |
| ·向量空间模型 | 第18-19页 |
| ·特征项的粒度 | 第19-20页 |
| ·特征项的选择 | 第20页 |
| ·特征项的权重计算 | 第20-21页 |
| ·分类器 | 第21-28页 |
| ·支持向量机 | 第21-25页 |
| ·K-近邻算法 | 第25-28页 |
| ·评测器 | 第28页 |
| ·小结 | 第28-29页 |
| 3 基于概念的文本分类的设计与实现 | 第29-50页 |
| ·概述 | 第29-30页 |
| ·概念的引入 | 第30-33页 |
| ·基于关键字的向量空间模型的局限性 | 第30-31页 |
| ·以概念为特征的好处 | 第31-32页 |
| ·概念间的各种语义关系及概念语义图 | 第32-33页 |
| ·基于概念的文本分类的总体设计框架 | 第33-34页 |
| ·词义消歧 | 第34-42页 |
| ·概念间关联关系的发现 | 第35-36页 |
| ·词义消歧的设计思想及实现算法 | 第36-42页 |
| ·概念特征的获取及其权重的调整计算 | 第42-44页 |
| ·概念特征的获取及表示 | 第42-43页 |
| ·提出两个权值修正系数 | 第43-44页 |
| ·计算概念特征项的权值 | 第44页 |
| ·基于概念的文本表示的生成模块 | 第44-46页 |
| ·预处理模块 | 第45-46页 |
| ·词义消歧模块 | 第46页 |
| ·概念特征的权值调整模块 | 第46页 |
| ·文本相似度的计算 | 第46-47页 |
| ·分类算法模块 | 第47-49页 |
| ·基于概念的文本表示的SVM | 第47页 |
| ·基于概念的文本表示的KNN | 第47-49页 |
| ·小结 | 第49-50页 |
| 4 实验结果与分析 | 第50-60页 |
| ·评价指标和准则 | 第50-51页 |
| ·实验环境与数据集介绍 | 第51-54页 |
| ·开发平台及工具 | 第51-52页 |
| ·WordNet介绍 | 第52-53页 |
| ·数据集介绍 | 第53-54页 |
| ·实验结果与分析 | 第54-59页 |
| ·采用SVM分类器实验 | 第54-57页 |
| ·采用KNN分类器实验 | 第57-59页 |
| ·小结 | 第59-60页 |
| 5 结论 | 第60-62页 |
| ·研究总结 | 第60-61页 |
| ·后续工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
