| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究历史及现状 | 第9-10页 |
| ·本文的主要工作 | 第10页 |
| ·论文结构 | 第10-11页 |
| 第二章 文本分类的关键技术 | 第11-21页 |
| ·文本分类过程 | 第11-12页 |
| ·文本预处理 | 第12页 |
| ·常用文本表示方法 | 第12-14页 |
| ·布尔模型(Boolean Model) | 第12页 |
| ·概率模型(Probabilistic Model) | 第12-13页 |
| ·向量空间模型(Vector Space Model) | 第13-14页 |
| ·常用特征选择方法 | 第14-16页 |
| ·文档频率(DF) | 第14-15页 |
| ·信息增益(IG) | 第15页 |
| ·互信息(MI) | 第15页 |
| ·X~2统计量(CHI) | 第15-16页 |
| ·常用分类方法 | 第16-19页 |
| ·朴素贝叶斯(NB) | 第16页 |
| ·K 近邻(KNN) | 第16-17页 |
| ·支持向量机(SVM) | 第17-18页 |
| ·人工神经网络(ANN) | 第18-19页 |
| ·决策树(DT) | 第19页 |
| ·性能评价指标 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 词语权重计算方法的改进 | 第21-27页 |
| ·常用词语权重计算方法 | 第21-23页 |
| ·布尔权重 | 第21页 |
| ·词频权重(TF) | 第21-22页 |
| ·IDF 权重 | 第22页 |
| ·TF-IDF 权重 | 第22-23页 |
| ·传统方法的不足 | 第23页 |
| ·改进的方法 | 第23-25页 |
| ·分类器的设计 | 第25页 |
| ·小结 | 第25-27页 |
| 第四章 实验结果及分析 | 第27-31页 |
| ·实验介绍 | 第27-28页 |
| ·数据集 | 第27页 |
| ·参数设定 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·分析与讨论 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第五章 总结和展望 | 第31-33页 |
| ·总结 | 第31页 |
| ·进一步工作 | 第31-33页 |
| 参考文献 | 第33-36页 |
| 致谢 | 第36-37页 |
| 在学期间公开发表论文情况 | 第37页 |