结合卡方统计与特征聚类的文本特征降维方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-11页 |
| 1.3 本文所做的工作和组织结构 | 第11-13页 |
| 1.3.1 主要研究工作 | 第11-12页 |
| 1.3.2 本文组织结构 | 第12-13页 |
| 第二章 文本挖掘相关技术 | 第13-29页 |
| 2.1 数据预处理 | 第13-14页 |
| 2.2 特征降维 | 第14-17页 |
| 2.3 文本表示模型 | 第17-20页 |
| 2.3.1 布尔模型 | 第18页 |
| 2.3.2 概率模型 | 第18-19页 |
| 2.3.3 向量空间模型 | 第19-20页 |
| 2.4 文本聚类 | 第20-22页 |
| 2.5 文本分类 | 第22-26页 |
| 2.5.1 文本分类流程 | 第22-23页 |
| 2.5.2 文本分类算法 | 第23-26页 |
| 2.6 性能评价指标 | 第26-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 基于语义特征聚类特征降维 | 第29-37页 |
| 3.1 特征选择概述 | 第29页 |
| 3.2 特征聚类 | 第29-32页 |
| 3.2.1 聚类算法的选择 | 第30-32页 |
| 3.3 基于特征语义相似度的聚类 | 第32-34页 |
| 3.3.1 语义分析及语义相似度 | 第32-34页 |
| 3.4 Χ~2 统计特征选择 | 第34-35页 |
| 3.5 结合Χ~2 统计与特征聚类的特征选择 | 第35-36页 |
| 3.5.1 特征筛选 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 实验设计与结果分析 | 第37-62页 |
| 4.1 语料库 | 第37-40页 |
| 4.1.1 搜狗语料库 | 第37页 |
| 4.1.2 中科院自动化所语料库 | 第37-39页 |
| 4.1.3 复旦大学语料库 | 第39-40页 |
| 4.2 系统总体设计 | 第40-56页 |
| 4.2.1 中文分词模块设计 | 第40-42页 |
| 4.2.2 词频统计模块 | 第42-44页 |
| 4.2.3 卡方统计模块 | 第44-47页 |
| 4.2.4 特征聚类模块 | 第47-52页 |
| 4.2.5 文本表示模块 | 第52-53页 |
| 4.2.6 文本分类模块 | 第53-56页 |
| 4.3 实验结果与分析 | 第56-61页 |
| 4.3.1 搜狗语料库实验 | 第56-59页 |
| 4.3.2 中科院自动化所语料库实验 | 第59-61页 |
| 4.3.3 复旦大学语料库实验 | 第61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 答辩委员签名的答辩决议书 | 第70页 |
