中文文本自动分类关键技术研究及实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文的主要研究工作 | 第11-12页 |
| ·本文结构组织 | 第12-14页 |
| 第二章 中文文本自动分类技术 | 第14-33页 |
| ·文本分类定义 | 第14页 |
| ·文本分类流程 | 第14-15页 |
| ·文本预处理 | 第15-20页 |
| ·文本标记处理 | 第15-16页 |
| ·文本特征的选取 | 第16页 |
| ·文本分词 | 第16-19页 |
| ·停用词的处理 | 第19-20页 |
| ·文本表示模型 | 第20-23页 |
| ·布尔逻辑模型 | 第20页 |
| ·向量空间模型 | 第20-23页 |
| ·概率模型 | 第23页 |
| ·LSA模型 | 第23页 |
| ·特征降维 | 第23-24页 |
| ·文本分类方法 | 第24-30页 |
| ·K最近邻算法 | 第24-25页 |
| ·支持向量机算法 | 第25-28页 |
| ·朴素贝叶斯 | 第28-29页 |
| ·决策树分类算法 | 第29-30页 |
| ·分类性能评估 | 第30-32页 |
| ·查准率和查全率 | 第30-31页 |
| ·F测量 | 第31页 |
| ·宏平均与微平均 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 特征降维 | 第33-40页 |
| ·特征重构 | 第33-34页 |
| ·特征聚类 | 第33页 |
| ·潜在语义索引 | 第33-34页 |
| ·特征选择 | 第34-39页 |
| ·文档频率 | 第35-36页 |
| ·信息增益 | 第36页 |
| ·互信息 | 第36-37页 |
| ·期望交叉熵 | 第37-38页 |
| ·卡方统计 | 第38页 |
| ·文本证据权 | 第38-39页 |
| ·特征选择方法的比较 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于类别区分度的特征选择方法 | 第40-47页 |
| ·传统特征选择方法的不足之处 | 第40页 |
| ·类别区分度的概念 | 第40-42页 |
| ·类间离散度 | 第41页 |
| ·类内分散偏差 | 第41-42页 |
| ·类别区分度在特征选择方法中的应用 | 第42-46页 |
| ·对传统特征选择方法的改进 | 第42-44页 |
| ·一种新的类别区分词特征选择方法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 中文文本自动分类系统设计与实验结果分析 | 第47-61页 |
| ·中文文本自动分类系统的设计 | 第47-54页 |
| ·文本预处理模块 | 第48-51页 |
| ·特征选择模块 | 第51-52页 |
| ·文本表示模块 | 第52页 |
| ·分类模块 | 第52-54页 |
| ·测试评估模块 | 第54页 |
| ·实验设置及结果分析 | 第54-60页 |
| ·语料库选取 | 第54页 |
| ·参数设置 | 第54-55页 |
| ·MI和MI-CD算法的实验结果对比 | 第55-56页 |
| ·ECE和ECE-CD算法的实验结果对比 | 第56-58页 |
| ·类别区分词特征选择算法的实验结果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·本文的研究总结 | 第61页 |
| ·下一步研究计划 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
