文本分类中文本表示模型和特征选择算法研究
| 提要 | 第1-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-26页 |
| ·研究背景 | 第16页 |
| ·研究意义 | 第16-18页 |
| ·信息过滤 | 第16-17页 |
| ·信息组织和管理 | 第17页 |
| ·词义辨析 | 第17页 |
| ·数字图书馆 | 第17-18页 |
| ·研究现状 | 第18-23页 |
| ·文本表示 | 第18-20页 |
| ·空间维度约减 | 第20-21页 |
| ·文本分类器研究 | 第21-23页 |
| ·本文的研究内容及组织结构 | 第23-26页 |
| ·研究内容 | 第23-24页 |
| ·组织结构 | 第24-26页 |
| 第2章 文本分类技术 | 第26-46页 |
| ·问题描述 | 第26-28页 |
| ·单标号文本分类和多标号文本分类 | 第26-27页 |
| ·以类别为中心和以文档为中心的文本分类 | 第27页 |
| ·柔性文本文类和硬性文本分类 | 第27页 |
| ·单层文本分类和分层文本分类 | 第27-28页 |
| ·文本分类的框架 | 第28-29页 |
| ·文本预处理及特征的识别 | 第29-31页 |
| ·文本预处理 | 第29-30页 |
| ·特征的识别 | 第30-31页 |
| ·特征加权 | 第31-32页 |
| ·特征选择和特征提取 | 第32-35页 |
| ·特征选择 | 第33-34页 |
| ·特征提取 | 第34-35页 |
| ·文本分类器 | 第35-40页 |
| ·朴素贝叶斯分类器 | 第35-37页 |
| ·支持向量机 | 第37-39页 |
| ·K 近邻算法 | 第39-40页 |
| ·Rocchio 算法 | 第40页 |
| ·分类性能评估 | 第40-44页 |
| ·评价方法 | 第40-41页 |
| ·评价标准 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第3章 基于二项假设检验的特征选择 | 第46-66页 |
| ·引言 | 第46页 |
| ·相关特征选择算法 | 第46-49页 |
| ·信息增益 | 第47页 |
| ·基尼指数 | 第47页 |
| ·卡方统计 | 第47-48页 |
| ·基于泊松分布的特征选择 | 第48-49页 |
| ·二项分布及假设检验 | 第49-50页 |
| ·基于二项假设检验的特征选择算法 | 第50-53页 |
| ·算法的理论依据 | 第50-51页 |
| ·算法的实现 | 第51-52页 |
| ·算法时间复杂度分析 | 第52-53页 |
| ·模拟实验 | 第53-65页 |
| ·数据集 | 第53-54页 |
| ·分类器及评价标准 | 第54页 |
| ·实验结果 | 第54-61页 |
| ·统计分析与讨论 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 类内类间综合度量特征重要度的特征选择算法 | 第66-82页 |
| ·引言 | 第66页 |
| ·相关特征选择算法 | 第66-67页 |
| ·文档频率 | 第66-67页 |
| ·正交质心特征选择 | 第67页 |
| ·DIA 关联因子 | 第67页 |
| ·特征×类别矩阵 | 第67-68页 |
| ·算法描述与实现 | 第68-71页 |
| ·算法的研究动机 | 第68-69页 |
| ·算法的实现 | 第69-71页 |
| ·算法的时间复杂度分析 | 第71页 |
| ·实验设计及结果 | 第71-77页 |
| ·分类器、比对基准和评价标准 | 第71-72页 |
| ·数据集 | 第72-73页 |
| ·实验结果 | 第73-77页 |
| ·统计分析与讨论 | 第77-81页 |
| ·统计分析 | 第77-78页 |
| ·讨论 | 第78-81页 |
| ·结论 | 第81-82页 |
| 第5章 基于文本关键词的文本表示模型 | 第82-100页 |
| ·引言 | 第82页 |
| ·常见的文本表示方法及其特点 | 第82-83页 |
| ·基于文本关键词的文本表示方法 | 第83-87页 |
| ·算法的理论基础 | 第83-84页 |
| ·算法的实现 | 第84-86页 |
| ·时间复杂度分析 | 第86-87页 |
| ·模拟实验 | 第87-97页 |
| ·实验环境设计 | 第87页 |
| ·实验结果 | 第87-94页 |
| ·实验结果分析 | 第94-97页 |
| ·结论 | 第97-100页 |
| 第6章 基于特征聚类的降维方法和文本表示 | 第100-118页 |
| ·引言 | 第100页 |
| ·常见的特征聚类方法 | 第100-102页 |
| ·基于特征相对贡献度的特征聚类方法 | 第102-106页 |
| ·算法的基本原理 | 第102-104页 |
| ·基于特征相对贡献的相似性度量 | 第104-105页 |
| ·基于聚类簇的文本表示 | 第105-106页 |
| ·模拟实验 | 第106-115页 |
| ·数据集、分类器和评价标准 | 第106-107页 |
| ·采用的聚类算法 | 第107-108页 |
| ·相关的相似性度量方法 | 第108-109页 |
| ·实验结果 | 第109-115页 |
| ·分析与讨论 | 第115页 |
| ·结论 | 第115-118页 |
| 第7章 总结和展望 | 第118-122页 |
| ·本文工作总结 | 第118-120页 |
| ·未来研究展望 | 第120-122页 |
| 参考文献 | 第122-134页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第134-136页 |
| 致谢 | 第136页 |
