| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第1章 前言 | 第14-18页 |
| ·背景介绍 | 第14-15页 |
| ·国内外文本自动分类研究动态 | 第15-16页 |
| ·本文的工作 | 第16-17页 |
| ·本文的组织和内容概要 | 第17-18页 |
| 第2章 文本自动分类技术概述 | 第18-49页 |
| ·文本自动分类的定义 | 第18-21页 |
| ·文本预处理 | 第21-25页 |
| ·文本模型 | 第25-32页 |
| ·向量空间模型的基本概念 | 第25-27页 |
| ·特征项的选择 | 第27-29页 |
| ·关键词权重的计算 | 第29-32页 |
| ·有关VSM的讨论 | 第32页 |
| ·特征选取 | 第32-37页 |
| ·文档频率(DF) | 第34页 |
| ·信息增益(IG) | 第34页 |
| ·互信息(MI) | 第34-35页 |
| ·X~2统计(CHI) | 第35-36页 |
| ·期望交叉熵(CE) | 第36页 |
| ·文本证据权 | 第36页 |
| ·几率比 | 第36-37页 |
| ·特征选取方法的比较 | 第37页 |
| ·分类模型 | 第37-45页 |
| ·Rocchio模型 | 第37-38页 |
| ·NB(Naive Bayes)模型 | 第38-39页 |
| ·KNN分类模型 | 第39-40页 |
| ·基于组合核函数的SVM分类模型 | 第40-43页 |
| ·其他的分类模型 | 第43-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·数据集介绍 | 第45页 |
| ·评价标准 | 第45-46页 |
| ·实验结果 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 利用Web网页的内容和结构信息进行层次分类研究 | 第49-57页 |
| ·引言 | 第49-50页 |
| ·特征选择理论 | 第50-51页 |
| ·HSFS(Hypertext Structure Feature Selection) | 第50-51页 |
| ·传统的特征选择 | 第51页 |
| ·基于层次结构的分类器模型 | 第51-53页 |
| ·实验设计与结果分析 | 第53-56页 |
| ·实验材料及设计 | 第53页 |
| ·学习算法 | 第53-54页 |
| ·实验结果 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 基于Naive Bayes理论的多分类器组合研究 | 第57-64页 |
| ·引言 | 第57页 |
| ·多分类器组合问题 | 第57-59页 |
| ·超文本分类理论基础 | 第59-60页 |
| ·单分类器分类 | 第59-60页 |
| ·综合分类器分类 | 第60页 |
| ·Web页面分类实验 | 第60-63页 |
| ·特征选择 | 第61页 |
| ·实验结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |
