| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 文本挖掘概述 | 第12-13页 |
| 1.1.2 文本挖掘的研究内容 | 第13页 |
| 1.1.3 文本挖掘的历史发展 | 第13-14页 |
| 1.1.4 农业文本信息挖掘 | 第14-15页 |
| 1.2 文本挖掘的研究现状 | 第15-22页 |
| 1.2.1 文本分类 | 第16-20页 |
| 1.2.2 文本摘要 | 第20-21页 |
| 1.2.3 正例和未标注文本分类 | 第21-22页 |
| 1.3 本文的研究内容及主要创新点 | 第22-25页 |
| 1.3.1 本文的主要研究工作 | 第22-23页 |
| 1.3.2 研究方法与技术路线 | 第23-24页 |
| 1.3.3 本文的主要创新点 | 第24-25页 |
| 1.4 本文的组织结构 | 第25-26页 |
| 第二章 文本分类相关技术 | 第26-43页 |
| 2.1 文本分类 | 第26-33页 |
| 2.1.1 文本预处理 | 第26页 |
| 2.1.2 文本表示 | 第26-28页 |
| 2.1.3 文本特征选择 | 第28-29页 |
| 2.1.4 特征权重计算 | 第29-30页 |
| 2.1.5 文本分类方法 | 第30-33页 |
| 2.2 正例和未标注文本分类 | 第33-40页 |
| 2.2.1 基于两阶段策略的正例和未标注学习 | 第34-38页 |
| 2.2.2 基于正例统计学习模型的方法 | 第38-39页 |
| 2.2.3 基于负例偏置的方法 | 第39-40页 |
| 2.3 性能评价 | 第40-42页 |
| 2.3.1 文本分类评价指标 | 第40-41页 |
| 2.3.2 文本自动摘要评价指标 | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 基于概率密度估计的正例和未标注文本学习 | 第43-62页 |
| 3.1 引言 | 第43-44页 |
| 3.2 问题定义 | 第44-45页 |
| 3.3 PDE-KNN算法 | 第45-48页 |
| 3.3.1 算法理论 | 第45-46页 |
| 3.3.2 PDE-KNN算法描述 | 第46-48页 |
| 3.4 实验分析 | 第48-61页 |
| 3.4.1 实验设计 | 第48-49页 |
| 3.4.2 PDE-KNN抽取可靠负例个数比较 | 第49-51页 |
| 3.4.3 分类性能比较 | 第51-57页 |
| 3.4.4 PDE_KNN算法参数分析 | 第57-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于期望最大估计的正例和未标注文本贝叶斯学习 | 第62-84页 |
| 4.1 引言 | 第62页 |
| 4.2 问题定义 | 第62-64页 |
| 4.3 EM-PUL算法 | 第64-70页 |
| 4.4 算法收敛性证明 | 第70-71页 |
| 4.5 实验分析 | 第71-83页 |
| 4.5.1 实验设计 | 第71-72页 |
| 4.5.2 实验结果比较分析 | 第72-81页 |
| 4.5.3 算法参数分析 | 第81-83页 |
| 4.6 本章小结 | 第83-84页 |
| 第五章 基于非负矩阵分解的正例和未标注网络式文本学习 | 第84-98页 |
| 5.1 引言 | 第84-85页 |
| 5.2 相关研究 | 第85-86页 |
| 5.3 问题定义 | 第86页 |
| 5.4 正例和未标注网络文本学习 | 第86-90页 |
| 5.4.1 NMF用于文本类别簇的发现 | 第86-87页 |
| 5.4.2 正例和未标注学习 | 第87-89页 |
| 5.4.3 目标函数 | 第89页 |
| 5.4.4 优化算法 | 第89-90页 |
| 5.5 pu Net算法描述 | 第90-91页 |
| 5.6 实验分析 | 第91-97页 |
| 5.6.1 实验设计 | 第91-93页 |
| 5.6.2 实验比较和结果分析 | 第93-94页 |
| 5.6.3 算法收敛性分析 | 第94-95页 |
| 5.6.4 算法参数分析 | 第95-97页 |
| 5.6.5 算法时间复杂度分析 | 第97页 |
| 5.7 本章小结 | 第97-98页 |
| 第六章 基于图排序的多文档自动摘要 | 第98-109页 |
| 6.1 引言 | 第98页 |
| 6.2 相关研究 | 第98-99页 |
| 6.3 基于图排序的多文档摘要 | 第99-102页 |
| 6.3.1 问题定义 | 第99-100页 |
| 6.3.2 正则化框架 | 第100-102页 |
| 6.3.3 句子抽取和冗余消除 | 第102页 |
| 6.4 实验与评测 | 第102-108页 |
| 6.4.1 与DUC参赛系统比较 | 第103-105页 |
| 6.4.2 T检验 | 第105-106页 |
| 6.4.3 生成摘要示例 | 第106-108页 |
| 6.5 结论 | 第108-109页 |
| 第七章 结论与展望 | 第109-111页 |
| 参考文献 | 第111-120页 |
| 致谢 | 第120-121页 |
| 作者简介 | 第121页 |