| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景、目的和意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·国外现状 | 第7-8页 |
| ·国内现状 | 第8-10页 |
| ·本文的工作和论文组织 | 第10-12页 |
| 第2章 中文文本分类技术概述 | 第12-23页 |
| ·文本分类定义 | 第12页 |
| ·自动分词 | 第12-14页 |
| ·自动分词方法 | 第13-14页 |
| ·分词中的难题 | 第14页 |
| ·文本表示 | 第14-15页 |
| ·特征提取 | 第15-17页 |
| ·文本自动分类方法 | 第17-21页 |
| ·贝叶斯分类算法 | 第17页 |
| ·支持向量机分类算法 | 第17-18页 |
| ·KNN分类算法 | 第18-19页 |
| ·分类委员会 | 第19页 |
| ·神经网络 | 第19-20页 |
| ·其它常见分类算法 | 第20-21页 |
| ·评价指标 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 中文文本分类特征抽取方法对比 | 第23-27页 |
| ·数据集 | 第23页 |
| ·性能评价 | 第23-24页 |
| ·实验结果及分析 | 第24-26页 |
| ·各特征抽取方法单独使用的情况 | 第24-25页 |
| ·各特征抽取方法组合使用的情况 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 基于批量文本的K-means与SVM组合多类分类器 | 第27-43页 |
| ·K-means聚类算法与多类SVM分类器介绍 | 第27-29页 |
| ·K-means聚类算法介绍 | 第27-28页 |
| ·多类SVM分类器介绍 | 第28-29页 |
| ·批量文本的K-means与SVM组合多类分类器论证 | 第29页 |
| ·英文数据集实验及结果分析 | 第29-38页 |
| ·聚类数为26时的情况 | 第29-31页 |
| ·聚类数为100时的情况 | 第31-38页 |
| ·中文数据集实验及结果分析 | 第38-41页 |
| ·聚类数为6时的情况 | 第39页 |
| ·聚类数为36时的情况 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·本文的总结 | 第43-44页 |
| ·进一步的研究工作 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |