| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状和发展 | 第12-14页 |
| ·文本分类研究进展 | 第12-14页 |
| ·分类评估标准 | 第14页 |
| ·本文的主要工作和组织结构 | 第14-16页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 文本分类 | 第16-25页 |
| ·文本分类算法概述 | 第16-17页 |
| ·文本表述和特征选择 | 第17-18页 |
| ·文本表述 | 第17-18页 |
| ·特征选择 | 第18页 |
| ·主流文本分类算法 | 第18-25页 |
| ·支持向量机(Support Vector Machine，SVM) | 第18-20页 |
| ·k最近邻算法(k Nearest Neighbor，kNN) | 第20-21页 |
| ·决策树算法 | 第21-23页 |
| ·朴素贝叶斯算法(Naive Bayes，NB) | 第23-25页 |
| 第三章 文本分类的评估标准 | 第25-33页 |
| ·常用评估标准 | 第25-26页 |
| ·受试者工作特征曲线(Receive Operating Characteristic Curve，ROC曲线) | 第26-27页 |
| ·ROC曲线下的区域(The Area Under the ROC Curve，AUC) | 第27-30页 |
| ·预测精度与AUC | 第30-33页 |
| 第四章 文本分类算法比较实验 | 第33-49页 |
| ·实验设计 | 第33-34页 |
| ·设计动机 | 第33页 |
| ·算法选择 | 第33-34页 |
| ·实验配置 | 第34-38页 |
| ·实验环境 | 第34-35页 |
| ·数据集 | 第35-38页 |
| ·实验数据及分析 | 第38-47页 |
| ·精度分析 | 第38-41页 |
| ·AUC分析 | 第41-45页 |
| ·大容量数据集下的比较 | 第45-47页 |
| ·结论 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55页 |
