增量式中文文本分类算法研究与实现
| 第一章 绪论 | 第1-14页 |
| ·文本自动分类研究的背景和意义 | 第8页 |
| ·文本自动分类的定义 | 第8-9页 |
| ·文本自动分类研究现状 | 第9-10页 |
| ·中文文本自动分类技术简介 | 第10-11页 |
| ·文本自动分类的性能评价 | 第11-13页 |
| ·本文的主要工作 | 第13-14页 |
| 第二章 文本的表示 | 第14-19页 |
| ·向量空间模型的基本概念 | 第14-15页 |
| ·特征项的选择 | 第15-17页 |
| ·项的权重计算 | 第17-18页 |
| ·关于VSM的讨论 | 第18-19页 |
| 第三章 文本特征提取 | 第19-26页 |
| ·特征项获取 | 第19-22页 |
| ·汉语自动分词 | 第19-21页 |
| ·n元模型 | 第21-22页 |
| ·特征选择方法 | 第22-26页 |
| ·特征选择方法 | 第22-24页 |
| ·关于特征选择的讨论 | 第24-26页 |
| 第四章 基于支持向量机的分类算法研究 | 第26-38页 |
| ·统计学习理论 | 第26-28页 |
| ·经验风险最小化原理 | 第26-27页 |
| ·VC维和推广性的界 | 第27-28页 |
| ·结构风险最小化原理 | 第28页 |
| ·支持向量机 | 第28-31页 |
| ·SVM应用于文本分类的改进 | 第31-33页 |
| ·增量式SVM文本分类算法 | 第33-38页 |
| ·Karush-Kuhn-Tucker条件 | 第33-34页 |
| ·SV的特点分析 | 第34-36页 |
| ·增量学习算法 | 第36-38页 |
| 第五章 Bayes文本分类算法研究 | 第38-48页 |
| ·Naive Bayes文本分类算法 | 第38-39页 |
| ·Naive Bayes文本分类算法的改进 | 第39-41页 |
| ·增量式Bayes文本分类算法 | 第41-48页 |
| ·Bayes增量学习模型 | 第41-43页 |
| ·增量式Bayes文本分类 | 第43-46页 |
| ·相关讨论 | 第46-48页 |
| 第六章 中文文本自动分类原型系统的实现及实验分析 | 第48-53页 |
| ·系统的体系结构 | 第48页 |
| ·系统的实现 | 第48-49页 |
| ·实验结果与性能分析 | 第49-53页 |
| ·特征选择方法测试 | 第49-51页 |
| ·增量式Bayes分类器训练实验 | 第51-53页 |
| 第七章 结束语 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录一 读研期间参与项目情况 | 第57页 |
| 附录二 读研期间发表论文情况 | 第57页 |
| 附录三 读研期间获奖情况 | 第57-58页 |
| 致谢 | 第58页 |
