层次化文本分类方法的研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 前言 | 第12-14页 |
| ·选题背景和研究意义 | 第12-13页 |
| ·本文的工作 | 第13页 |
| ·本文的组织 | 第13-14页 |
| 第二章 文本分类方法的概述 | 第14-21页 |
| ·文本分类的定义 | 第14-15页 |
| ·技术分类 | 第15-16页 |
| ·国内外研究现状和难点 | 第16-19页 |
| ·国内外研究现状 | 第16-17页 |
| ·文本分类问题的难点 | 第17-19页 |
| ·现实应用 | 第19-20页 |
| ·本章小节 | 第20-21页 |
| 第三章 文本分类系统核心技术简介 | 第21-39页 |
| ·引言 | 第21-22页 |
| ·基于汉语的文本特征提取 | 第22-26页 |
| ·汉语自动分词技术 | 第22-23页 |
| ·文档特征项抽取 | 第23-25页 |
| ·文档特征项选择 | 第25-26页 |
| ·向量空间模型 | 第26-31页 |
| ·关键词权重的计算 | 第27-30页 |
| ·相似度计算 | 第30-31页 |
| ·文档分类学习方法概述 | 第31-38页 |
| ·统计机器学习 | 第31-35页 |
| ·贝叶斯决策 | 第32页 |
| ·KNN近邻算法 | 第32-33页 |
| ·支持向量机(SVM) | 第33-35页 |
| ·贝叶斯网络 | 第35页 |
| ·符号机器学习 | 第35-37页 |
| ·决策树方法 | 第35-36页 |
| ·形式语言与启发式方法 | 第36-37页 |
| ·粗糙集理论(Rough Sets) | 第37页 |
| ·其它机器学习方法 | 第37-38页 |
| ·神经网络 | 第38页 |
| ·遗传算法 | 第38页 |
| ·本章小节 | 第38-39页 |
| 第四章 WEB文本分类原型系统的设计与实现 | 第39-44页 |
| ·文本分类原型系统的设计 | 第39-42页 |
| ·系统的模块 | 第39-40页 |
| ·系统的处理流程和详细结构 | 第40-42页 |
| ·文本分类系统的实现 | 第42-44页 |
| 第五章 基于层次结构的文本分类算法 | 第44-51页 |
| ·引言 | 第44-46页 |
| ·自底向上的分类学习算法 | 第46-49页 |
| ·自顶向下的文本分类模型 | 第49-51页 |
| 第六章 实验与评价 | 第51-54页 |
| 第七章 总结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
