文本层次分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-22页 |
| ·本文研究的目的和意义 | 第10-11页 |
| ·文本分类相关技术 | 第11-18页 |
| ·文本分类问题描述 | 第11-13页 |
| ·文本表示模型 | 第13页 |
| ·文本特征 | 第13-14页 |
| ·权值表示方法 | 第14-16页 |
| ·特征选择 | 第16-17页 |
| ·模型训练和分类算法 | 第17-18页 |
| ·文本层次分类技术相关研究 | 第18-20页 |
| ·本文结构 | 第20-22页 |
| 第2章 文本层次分类设计 | 第22-31页 |
| ·引言 | 第22页 |
| ·文本层次分类体系结构及分类方法 | 第22-24页 |
| ·文本层次分类框架 | 第24-26页 |
| ·文本层次分类特征选择技术 | 第25页 |
| ·多分类器融合的分类技术 | 第25-26页 |
| ·文本层次分类性能评价 | 第26-29页 |
| ·单表化分类任务的评测方法 | 第26-28页 |
| ·多标号分类任务的评测方法 | 第28-29页 |
| ·文本层次分类技术应用 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 文本层次分类特征选择方法 | 第31-40页 |
| ·引言 | 第31页 |
| ·特征选择方法 | 第31-34页 |
| ·文档频度 | 第31-32页 |
| ·互信息 | 第32页 |
| ·信息增益 | 第32-33页 |
| ·CHI 统计 | 第33-34页 |
| ·多重特征选择技术 | 第34-35页 |
| ·多重特征空间在文本层次分类中的应用 | 第35-36页 |
| ·实验与分析 | 第36-38页 |
| ·实验设置 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于可信度分析的多分类器融合技术 | 第40-56页 |
| ·引言 | 第40页 |
| ·文本分类方法 | 第40-45页 |
| ·类中心方法 | 第40-41页 |
| ·K 近邻方法 | 第41页 |
| ·朴素贝叶斯分类器 | 第41-42页 |
| ·支持向量机 | 第42-43页 |
| ·神经网络方法 | 第43-44页 |
| ·决策树方法 | 第44-45页 |
| ·多分类器融合的方法 | 第45-47页 |
| ·投票表决法 | 第45-46页 |
| ·Bagging 与Boosting 算法 | 第46页 |
| ·CMM 算法 | 第46-47页 |
| ·DAGGER 算法 | 第47页 |
| ·基于分类器可信度评估的多分类器融合 | 第47-50页 |
| ·实验与分析 | 第50-55页 |
| ·实验设置 | 第50-52页 |
| ·实验结果分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 文本倾向性分类技术 | 第56-64页 |
| ·引言 | 第56页 |
| ·文本倾向性分析相关研究 | 第56-58页 |
| ·基于二次特征选择的文本倾向性分析 | 第58-60页 |
| ·实验与分析 | 第60-63页 |
| ·实验设置 | 第60-61页 |
| ·实验结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 攻读学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
