文本分类算法分析及其在智能答疑系统中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 国内外现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 文本分类相关理论 | 第15-29页 |
| 2.1 文本分类的一般过程 | 第15-16页 |
| 2.1.1 文本分类 | 第15页 |
| 2.1.2 文本分类的一般过程 | 第15-16页 |
| 2.2 文本处理 | 第16-20页 |
| 2.2.1 中文分词的现状及应用 | 第17页 |
| 2.2.2 中文分词技术的重点难点 | 第17-18页 |
| 2.2.3 中文分词技术的主要算法 | 第18-20页 |
| 2.3 文本表示 | 第20-21页 |
| 2.4 特征性选择与降维 | 第21-24页 |
| 2.4.1 特征选择 | 第21-22页 |
| 2.4.2 特征选择常用算法 | 第22-24页 |
| 2.5 文本分类算法 | 第24-27页 |
| 2.5.1 朴素贝叶斯分类方法 | 第24-25页 |
| 2.5.2 支持向量机(SVM) | 第25-26页 |
| 2.5.3 决策树 | 第26-27页 |
| 2.6 评价方法 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 智能答疑系统 | 第29-37页 |
| 3.1 智能答疑系统的理论基础 | 第29-30页 |
| 3.1.1 行为主义学习理论 | 第29页 |
| 3.1.2 认知主义学习理论 | 第29页 |
| 3.1.3 人本主义学习理论 | 第29-30页 |
| 3.2 智能答疑系统的设计指导规范 | 第30-31页 |
| 3.3 智能答疑系统的特点分析 | 第31-32页 |
| 3.4 智能答疑系统的研究目标 | 第32-33页 |
| 3.5 智能答疑系统应用的主要技术 | 第33-35页 |
| 3.5.1 知识库的构建技术 | 第33页 |
| 3.5.2 句子相似度计算 | 第33-34页 |
| 3.5.3 答案定位技术 | 第34-35页 |
| 3.5.4 访问控制技术 | 第35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 文本分类算法的改进 | 第37-47页 |
| 4.1 信息增益算法及其改进 | 第37-41页 |
| 4.1.1 信息增益算法分析 | 第37-38页 |
| 4.1.2 信息增益算法的改进 | 第38-40页 |
| 4.1.3 实验测试 | 第40-41页 |
| 4.2 相似度计算 | 第41-44页 |
| 4.3 KNN 算法及其改进 | 第44-46页 |
| 4.3.1 传统的 K-最近邻分类(KNN) | 第44-45页 |
| 4.3.2 KNN 算法的改进 | 第45页 |
| 4.3.3 实验测试 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 文本分类算法在智能答疑系统模型中的应用 | 第47-68页 |
| 5.1 系统知识的来源 | 第47页 |
| 5.2 系统功能需求 | 第47-48页 |
| 5.3 系统模型设计 | 第48-63页 |
| 5.3.1 用户类型分类 | 第48-49页 |
| 5.3.2 后台知识库设计 | 第49-52页 |
| 5.3.3 系统的主要功能 | 第52-54页 |
| 5.3.4 工作流程 | 第54-55页 |
| 5.3.5 资料库设计 | 第55-59页 |
| 5.3.6 答疑系统的开发环境和客户端 | 第59页 |
| 5.3.7 系统的功能界面实现 | 第59-63页 |
| 5.4 实验结果与分析 | 第63-67页 |
| 5.4.1 测试环境 | 第63页 |
| 5.4.2 测试样本 | 第63-64页 |
| 5.4.3 测试结果 | 第64-67页 |
| 5.4.4 实验结果分析 | 第67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第75页 |
