中文文本自动分类相关技术的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外文本自动分类研究现状 | 第8页 |
| ·本文工作 | 第8-9页 |
| ·本论文组织结构 | 第9-10页 |
| 第二章 文本自动分类技术概述 | 第10-24页 |
| ·文本自动分类的概念 | 第10页 |
| ·文本表示模型 | 第10-13页 |
| ·文本自动分类的实现过程 | 第13-17页 |
| ·训练和分类算法 | 第17-22页 |
| ·支持向量机算法 | 第17-19页 |
| ·K最近邻居算法 | 第19-20页 |
| ·贝叶斯算法 | 第20-21页 |
| ·神经网络算法 | 第21-22页 |
| ·评估方法 | 第22-24页 |
| 第三章 中文分词的研究与实现 | 第24-36页 |
| ·中文分词概述 | 第24页 |
| ·中文分词基本算法 | 第24-26页 |
| ·歧义处理 | 第26-28页 |
| ·未登录词的识别 | 第28-30页 |
| ·改进的双向最大匹配算法 | 第30-32页 |
| ·分词系统实现 | 第32-35页 |
| ·开发工具选择 | 第32-33页 |
| ·性能测试 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第四章 特征选择方法的比较研究 | 第36-47页 |
| ·常用特征选择方法 | 第36-39页 |
| ·文档频数 | 第36页 |
| ·信息增益 | 第36-37页 |
| ·互信息 | 第37-38页 |
| ·期望交叉嫡 | 第38页 |
| ·X~2统计量 | 第38-39页 |
| ·文本证据权 | 第39页 |
| ·KNN分类器中K值对分类性能的影响 | 第39-40页 |
| ·常用特征选择方法在KNN分类器上的实验比较 | 第40-42页 |
| ·改进的特征选择方法 | 第42-46页 |
| ·复方特征选择方法 | 第42-43页 |
| ·改进的互信息 | 第43-44页 |
| ·改进的特征选择方法在KNN分类器上的实验分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第五章 分类测试平台的设计与实现 | 第47-53页 |
| ·系统框架 | 第47-48页 |
| ·系统模块结构 | 第48-49页 |
| ·功能模块说明 | 第49-52页 |
| ·文本预处理 | 第49页 |
| ·文本表示 | 第49-50页 |
| ·训练分类器和分类 | 第50-51页 |
| ·性能评估模块 | 第51-52页 |
| ·系统实现及运行环境 | 第52页 |
| ·小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·本文的主要工作和贡献 | 第53页 |
| ·下一步的工作和展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第59-60页 |
