| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·课题来源 | 第8-9页 |
| ·本文所做工作 | 第9-11页 |
| 第二章 文本分类基础篇 | 第11-25页 |
| ·定义 | 第11页 |
| ·历史和现状 | 第11-12页 |
| ·文本分类的流程 | 第12-13页 |
| ·常见的文本分类技术 | 第13-25页 |
| ·文本表示 | 第13-16页 |
| ·基本思想 | 第13-14页 |
| ·权重计算 | 第14-15页 |
| ·文本表示的过程 | 第15-16页 |
| ·特征提取 | 第16-20页 |
| ·基于评估函数的特征提取方法 | 第16-18页 |
| ·考虑相关性的特征提取方法 | 第18-19页 |
| ·语义特征提取 | 第19-20页 |
| ·分类算法 | 第20-23页 |
| ·K-最近邻算法 | 第20-21页 |
| ·朴素贝叶斯 | 第21-23页 |
| ·支持向量机 | 第23页 |
| ·分类器性能评估 | 第23-25页 |
| 第三章 PU文本分类 | 第25-30页 |
| ·什么是PU分类 | 第25页 |
| ·相关工作 | 第25页 |
| ·PU分类的两步框架 | 第25-26页 |
| ·ONE-CLASS SVM 算法 | 第26-27页 |
| ·PEBL算法 | 第27-30页 |
| ·寻找可信反例 | 第28页 |
| ·构造分类器 | 第28-30页 |
| 第四章 本文提出的面向PU问题的语义特征提取 | 第30-36页 |
| ·面向PU问题的语义特征提取 | 第30-32页 |
| ·语义特征提取应用于ONE-CLASS SVM算法 | 第32-33页 |
| ·语义特征提取应用于PEBL算法 | 第33-36页 |
| 第五章 语义特征提取的PU分类器实现及结果分析 | 第36-52页 |
| ·实验设计 | 第36-41页 |
| ·实验数据 | 第36页 |
| ·实验1 | 第36-38页 |
| ·实验2 | 第38-41页 |
| ·分类器性能评估方法 | 第41页 |
| ·工具介绍 | 第41-43页 |
| ·LIBSVM介绍 | 第41-42页 |
| ·WordNet介绍 | 第42-43页 |
| ·实现细节 | 第43-47页 |
| ·实验结果及分析 | 第47-52页 |
| ·实验1 结果分析 | 第47-48页 |
| ·实验2 结果分析 | 第48-52页 |
| 第六章 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 摘要 | 第56-59页 |
| ABSTRACT | 第59-63页 |
| 致谢 | 第63-64页 |
| 导师及作者简介 | 第64页 |