基于机器学习的文本分类算法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 存在的问题 | 第12-14页 |
| 1.4 论文主要工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 机器学习和文本分类概述 | 第17-28页 |
| 2.1 机器学习思想描述 | 第17-18页 |
| 2.2 数据集介绍 | 第18-19页 |
| 2.3 主流分类算法 | 第19-24页 |
| 2.3.1 KNN分类算法 | 第21-22页 |
| 2.3.2 Apriori算法及推广算法 | 第22页 |
| 2.3.3 RSApriori算法 | 第22-23页 |
| 2.3.4 MSApriori算法 | 第23页 |
| 2.3.5 Diffset算法 | 第23-24页 |
| 2.4 文本分类的步骤 | 第24-27页 |
| 2.4.1 文本表示 | 第25-26页 |
| 2.4.2 表示空间降维 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 概念索引及主成分分析法 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 概念索引与主成分分析简介 | 第29-32页 |
| 3.2.1 概念索引 | 第29-30页 |
| 3.2.2 主成分分析 | 第30-32页 |
| 3.3 算法分析与实例 | 第32-37页 |
| 3.3.1 算法分析 | 第32页 |
| 3.3.2 实例 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 文本分类的语境学习算法 | 第38-50页 |
| 4.1 引言 | 第38-39页 |
| 4.2 语境学习算法介绍 | 第39-44页 |
| 4.2.1 分类训练集 | 第39-42页 |
| 4.2.2 语境学习分类 | 第42-44页 |
| 4.3 语境学习算法分析与实例 | 第44-49页 |
| 4.3.1 语境学习算法分析 | 第44-45页 |
| 4.3.2 语境学习算法实例 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 仿真实验及分析 | 第50-66页 |
| 5.1 数据准备 | 第50-54页 |
| 5.1.1 分类训练集 | 第50-52页 |
| 5.1.2 评价指标 | 第52-54页 |
| 5.2 仿真实验 | 第54-65页 |
| 5.2.1 顾客反馈数据集 | 第54-56页 |
| 5.2.2 主客观数据集 | 第56-58页 |
| 5.2.3 情感树库数据集 | 第58-60页 |
| 5.2.4 MTIML数据集 | 第60-63页 |
| 5.2.5 同义词集 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 全文总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66页 |
| 6.2 后续工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 硕士期间取得的研究成果 | 第73-74页 |
