基于无监督聚类和朴素贝叶斯分类的文本分类方法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 引言 | 第10-16页 |
| 1．1 文本挖掘的历史与研究现状 | 第10-11页 |
| 1．1．1 早先的信息抽取 | 第10页 |
| 1．1．2 文本挖掘 | 第10-11页 |
| 1．1．3 Web文本挖掘 | 第11页 |
| 1．2 文本挖掘的定义 | 第11-12页 |
| 1．3 文本挖掘中有代表性的工作 | 第12-14页 |
| 1．4 主要研究工作 | 第14页 |
| 1．5 论文组织 | 第14-16页 |
| 第二章 文本挖掘的功能与过程 | 第16-24页 |
| 2．1 文本挖掘的功能 | 第16页 |
| 2．2 文本挖掘过程 | 第16-24页 |
| 2．2．1 特征表示 | 第17-20页 |
| 2．2．1．1 布尔模型 | 第17-18页 |
| 2．2．1．2 概率模型 | 第18页 |
| 2．2．1．3 向量空间模型 | 第18-20页 |
| 2．2．2 特征选择 | 第20-22页 |
| 2．2．2．1 文档频数 | 第20-21页 |
| 2．2．2．2 期望交叉墒 | 第21页 |
| 2．2．2．3 互信息 | 第21页 |
| 2．2．2．4 x~2统计量 | 第21-22页 |
| 2．2．2．5 文本证据权 | 第22页 |
| 2．2．3 模式挖掘 | 第22-23页 |
| 2．2．4 模式评价 | 第23-24页 |
| 第三章 文本挖掘中的分类和聚类 | 第24-29页 |
| 3．1 文本分类 | 第24-25页 |
| 3．2 文本分类过程 | 第25-26页 |
| 3．3 文本聚类技术 | 第26-27页 |
| 3．4 文本聚类方法 | 第27-29页 |
| 3．4．1 层次凝聚法 | 第27页 |
| 3．4．2 平面划分法 | 第27-29页 |
| 第四章 无监督文本聚类和朴素贝叶斯分类 | 第29-38页 |
| 4．1 无监督文本聚类方法 | 第29-32页 |
| 4．1．1 方法描述 | 第29-30页 |
| 4．1．2 算法复杂度分析 | 第30页 |
| 4．1．3 分类准确性分析 | 第30-32页 |
| 4．2 朴素贝叶斯分类方法 | 第32-38页 |
| 4．2．1 贝叶斯理论 | 第32页 |
| 4．2．2 贝叶斯定理 | 第32-33页 |
| 4．2．3 极大似然和最小误差平方假设 | 第33-35页 |
| 4．2．4 朴素贝叶斯分类方法 | 第35-37页 |
| 4．2．5 特点分析 | 第37-38页 |
| 第五章 无类别标记的文本的准确分类方法 | 第38-49页 |
| 5．1 方法的提出 | 第38页 |
| 5．2 方法描述 | 第38-39页 |
| 5．3 方法的实现 | 第39-42页 |
| 5．3．1 流程 | 第39页 |
| 5．3．2 文本表示 | 第39-41页 |
| 5．3．3 文本特征的提取 | 第41-42页 |
| 5．3．4 各文本特征表示 | 第42页 |
| 5．4 无监督文本聚类 | 第42-45页 |
| 5．4．1 聚类中心的确定 | 第42-44页 |
| 5．4．2 正反例中心的确定 | 第44页 |
| 5．4．3 到正反例中心距离的获取 | 第44-45页 |
| 5．5 朴素贝叶斯分类 | 第45页 |
| 5．6 方法评价 | 第45-49页 |
| 5．6．1 实验结果 | 第45-47页 |
| 5．6．2 方法分析 | 第47-49页 |
| 5．6．2．1 方法的优点 | 第47-48页 |
| 5．6．2．2 方法的不足之处 | 第48-49页 |
| 第六章 基于文本挖掘原型系统模型实现 | 第49-54页 |
| 6．1 系统结构 | 第49页 |
| 6．2 系统数据结构 | 第49-51页 |
| 6．3 文本挖掘原型系统 | 第51-54页 |
| 6．3．1 预处理 | 第51-52页 |
| 6．3．2 特征选择 | 第52页 |
| 6．3．3 构建分词词典 | 第52-53页 |
| 6．3．4 文本聚类和分类 | 第53-54页 |
| 第七章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
