| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究状况 | 第12-14页 |
| 1.2.1 国外研究状况 | 第12-14页 |
| 1.3 选题的依据 | 第14-15页 |
| 1.4 论文的主要工作 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第2章 文本分类概述 | 第18-32页 |
| 2.1 文本分类的概述 | 第18-19页 |
| 2.2 文本分类预处理 | 第19-22页 |
| 2.2.1 文本分词 | 第19-20页 |
| 2.2.2 去停用词 | 第20页 |
| 2.2.3 文本表示 | 第20-22页 |
| 2.3 | 第22-26页 |
| 2.3.1 特征选择 | 第22-24页 |
| 2.3.2 特征提取 | 第24-26页 |
| 2.4 分类方法 | 第26-28页 |
| 2.4.1 朴素贝叶斯方法 | 第26-27页 |
| 2.4.2 KNN方法 | 第27-28页 |
| 2.4.3 支持向量机(SupportVectorMachine,SVM) | 第28页 |
| 2.4.4 深度学习文本分类方法 | 第28页 |
| 2.5 分类性能评估 | 第28-31页 |
| 2.5.1 评估方法 | 第28-30页 |
| 2.5.2 评价标准 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 支持向量机文本分类系统分析与设计 | 第32-41页 |
| 3.1 统计学习理论 | 第32-33页 |
| 3.2 支持向量机 | 第33-38页 |
| 3.2.1 线性可分 | 第33-36页 |
| 3.2.2 线性不可分 | 第36-38页 |
| 3.3 多分类问题 | 第38-40页 |
| 3.3.1 一对多分类(oneagainsttherest) | 第39页 |
| 3.3.2 一对一SVM分类(oneagainstone) | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 档案文本分类算法系统设计 | 第41-52页 |
| 4.1 档案文本的特征 | 第41-42页 |
| 4.2 去停用词的设计 | 第42-43页 |
| 4.3 文本分词处理模块 | 第43-44页 |
| 4.4 特征降维模块 | 第44-48页 |
| 4.4.1 特征表示 | 第44-46页 |
| 4.4.2 特征提取的模块 | 第46-48页 |
| 4.5 分类器设计模块 | 第48-51页 |
| 4.5.1 模型返回类型 | 第49页 |
| 4.5.2 分类器的训练过程 | 第49-50页 |
| 4.5.3 分类器的测试过程 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 档案文本分类系统评测 | 第52-63页 |
| 5.1 分类系统设计需要考虑的主要因素 | 第52页 |
| 5.2 测试环境 | 第52-53页 |
| 5.3 系统功能测试 | 第53-59页 |
| 5.4 实验结果 | 第59-62页 |
| 5.5 实验结论 | 第62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 总结和展望 | 第63-66页 |
| 6.1 本文的总结 | 第63-64页 |
| 6.2 不足及展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士期间发表的论文 | 第69页 |
| 攻读硕士期间获奖情况 | 第69-70页 |
| 致谢 | 第70页 |
