| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 VSM文本分类的数学模型 | 第16-24页 |
| ·文本数据预处理 | 第16-18页 |
| ·文本分词 | 第16-17页 |
| ·特征提取 | 第17-18页 |
| ·消除停用词 | 第18页 |
| ·VSM模型建立 | 第18-21页 |
| ·向量空间模型简介 | 第18-19页 |
| ·词条权重的计算 | 第19-20页 |
| ·相似度的测量 | 第20-21页 |
| ·文本分类的方法 | 第21-23页 |
| ·分割式分类算法(Partitioning Methods) | 第21-22页 |
| ·阶层式分类算法(Hierarchical Methods) | 第22页 |
| ·基于模型的分类算法(Model-Based Methods) | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 语义本体库在文本分类中的应用 | 第24-33页 |
| ·概念词典的建立 | 第24-26页 |
| ·HowNet简介 | 第24-25页 |
| ·义原层次结构 | 第25-26页 |
| ·词语义项的表征方法及其可计算性 | 第26-28页 |
| ·基于义原的表征方法及其可计算性 | 第26-27页 |
| ·基于概念依存关系的表征方法及其可计算性 | 第27-28页 |
| ·二维结构表征方法及其可计算性 | 第28页 |
| ·语义相似性计算 | 第28-32页 |
| ·词语相似度 | 第28-30页 |
| ·语句相似度 | 第30-31页 |
| ·文本相似度 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于语义扩展的VSM分类算法 | 第33-51页 |
| ·建立原始向量空间模型 | 第33-37页 |
| ·文本预处理 | 第33-34页 |
| ·TF-IDF权重计算 | 第34-36页 |
| ·原始向量空间模型建立 | 第36-37页 |
| ·基于概念进行向量空间降维 | 第37-41页 |
| ·引入概念降维必要性分析 | 第37-38页 |
| ·概念同义词辨识 | 第38-40页 |
| ·基于同义词集合语义降维 | 第40-41页 |
| ·VSM向量空间语义扩展 | 第41-48页 |
| ·语义层次树分析 | 第42页 |
| ·VSM语义建立扩展向量 | 第42-43页 |
| ·扩展文本相似度算法 | 第43-45页 |
| ·文本举例 | 第45-48页 |
| ·文本分类 | 第48-50页 |
| ·分类策略 | 第48-49页 |
| ·分类指标 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验过程与结果分析 | 第51-61页 |
| ·实验环境 | 第51-52页 |
| ·实验平台 | 第51页 |
| ·实验语料 | 第51-52页 |
| ·分词系统 | 第52页 |
| ·评估指标 | 第52-53页 |
| ·实验过程 | 第53-54页 |
| ·训练过程 | 第53页 |
| ·分类过程 | 第53-54页 |
| ·实验结果分析 | 第54-60页 |
| ·小型文本分类 | 第54-55页 |
| ·改进的VSM算法与传统算法分类精度对比 | 第55-57页 |
| ·改进的VSM算法对向量空间维数的影响 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-69页 |
| 详细摘要 | 第69-72页 |
