| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状及本课题研究意义 | 第11-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 第2章 文本分类相关技术 | 第16-26页 |
| 2.1 文本分类 | 第16-19页 |
| 2.1.1 文本预处理 | 第16页 |
| 2.1.2 特征选择 | 第16-17页 |
| 2.1.3 分类算法 | 第17-19页 |
| 2.1.4 测试分类器 | 第19页 |
| 2.2 分类性能评估 | 第19-20页 |
| 2.2.1 十折交叉验证法 | 第19-20页 |
| 2.3 语义分析 | 第20-21页 |
| 2.3.1 语义分析在文本分类中的应用现状 | 第20-21页 |
| 2.4 潜在语义分析 | 第21-23页 |
| 2.4.1 奇异值分解（Singular Value Decomposition，SVD) | 第21页 |
| 2.4.2 潜在语义分析的流程及原理 | 第21-23页 |
| 2.4.3 潜在语义分析存在的问题 | 第23页 |
| 2.5 本章小结 | 第23-26页 |
| 第3章 基于数据集分割法的大规模文本分类方法 | 第26-34页 |
| 3.1 基于K近邻算法原理的数据集分割法 | 第27-28页 |
| 3.2 实验验证和结果分析 | 第28-32页 |
| 3.2.1 数据集 | 第28-29页 |
| 3.2.2 实验流程 | 第29-30页 |
| 3.2.3 实验结果与分析 | 第30-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于语义相似度的文本分类方法 | 第34-44页 |
| 4.1 同义词与多义词问题 | 第34-35页 |
| 4.2 基于语义相似度的特征选择方法 | 第35-39页 |
| 4.2.1 WordNet识别多义词和同义词 | 第36-38页 |
| 4.2.2 基于语义相似度调整特征矩阵 | 第38-39页 |
| 4.3 实验和数据分析 | 第39-43页 |
| 4.3.1 数据集 | 第39页 |
| 4.3.2 实验流程 | 第39-41页 |
| 4.3.3 实验结果与分析 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于语义相似度的文本分类系统的设计与实现 | 第44-58页 |
| 5.1 基于语义相似度的文本分类系统总体设计 | 第44-47页 |
| 5.1.1 系统需求分析 | 第44-45页 |
| 5.1.2 基于语义相似度的文本分类器流程图 | 第45-46页 |
| 5.1.3 基于语义相似度的文本分类系统的总体结构 | 第46-47页 |
| 5.2 系统功能模块设计 | 第47-52页 |
| 5.2.1 系统功能模块及相关流程图 | 第47-48页 |
| 5.2.2 预处理模块 | 第48-49页 |
| 5.2.3 特征选择模块 | 第49-50页 |
| 5.2.4 数据集分割模块 | 第50页 |
| 5.2.5 分类模块 | 第50-51页 |
| 5.2.6 性能评测模块 | 第51页 |
| 5.2.7 系统关键类功能说明 | 第51-52页 |
| 5.3 系统实现 | 第52-57页 |
| 5.3.1 开发环境 | 第52页 |
| 5.3.2 系统基本功能的实现 | 第52-54页 |
| 5.3.3 基于语义相似度的特征选择方法的实现 | 第54-55页 |
| 5.3.4 基于K近邻算法的数据集分割法的实现 | 第55-56页 |
| 5.3.5 分类模块的实现 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间的学术成果 | 第66-68页 |
| 致谢 | 第68页 |