中文文本挖掘技术的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-20页 |
| 第二章 文本挖掘技术简介 | 第20-28页 |
| 2.1 文本挖掘技术 | 第20-22页 |
| 2.1.1 文本挖掘的概念 | 第20-21页 |
| 2.1.2 文本挖掘的任务 | 第21-22页 |
| 2.2 文本挖掘的工作过程 | 第22-23页 |
| 2.3 文本分类算法研究 | 第23-27页 |
| 2.3.1 KNN分类算法 | 第23-24页 |
| 2.3.2 Rocchio分类算法 | 第24-25页 |
| 2.3.3 朴素贝叶斯分类算法 | 第25-26页 |
| 2.3.4 决策树分类算法 | 第26页 |
| 2.3.5 神经网络分类算法 | 第26页 |
| 2.3.6 支持向量机分类算法 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 文本预处理 | 第28-38页 |
| 3.1 文本表示 | 第28-29页 |
| 3.2 中文分词技术 | 第29-31页 |
| 3.2.1 基于词典的分词方法 | 第29-30页 |
| 3.2.2 基于统计的分词方法 | 第30页 |
| 3.2.3 基于理解的分词方法 | 第30-31页 |
| 3.2.4 中文分词开源项目 | 第31页 |
| 3.3 文本特征选择 | 第31-35页 |
| 3.3.1 词频统计 | 第32页 |
| 3.3.2 TF-IDF方法 | 第32-33页 |
| 3.3.3 期望交叉熵 | 第33页 |
| 3.3.4 χ2(CHI)统计 | 第33页 |
| 3.3.5 互信息 | 第33-34页 |
| 3.3.6 文本相似性度量 | 第34-35页 |
| 3.4 改进特征选择方法 | 第35-36页 |
| 3.4.1 改进TF-IDF方法 | 第35-36页 |
| 3.4.2 基于义原的特征选择方法 | 第36页 |
| 3.5 小结 | 第36-38页 |
| 第四章 基于特征义原的文本分类方法 | 第38-50页 |
| 4.1 预处理 | 第38页 |
| 4.2 创建原始向量空间模型 | 第38-42页 |
| 4.2.1 特征项表示方法 | 第39-40页 |
| 4.2.2 获得类中心向量 | 第40-42页 |
| 4.3 扩展向量空间模型 | 第42-46页 |
| 4.3.1 获取义原文档 | 第42-43页 |
| 4.3.2 提取特征义原 | 第43-44页 |
| 4.3.3 扩展特征向量 | 第44-45页 |
| 4.3.4 对同义词的处理 | 第45页 |
| 4.3.5 VSM模型的融合 | 第45-46页 |
| 4.4 文本分类 | 第46-47页 |
| 4.5 确定阈值 | 第47页 |
| 4.6 小结 | 第47-50页 |
| 第五章 实验过程与结果分析 | 第50-58页 |
| 5.1 实验环境 | 第50页 |
| 5.2 评估指标 | 第50-51页 |
| 5.3 实验过程 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.4.1 特征选择算法对分类的影响 | 第52-54页 |
| 5.4.2 VSM维数对分类的影响 | 第54-55页 |
| 5.4.3 基于扩展VSM的文本分类 | 第55-56页 |
| 5.5 小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
