| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·文本分类的研究现状 | 第11-13页 |
| ·国外的研究现状 | 第11-12页 |
| ·国内文本分类的研究现状 | 第12-13页 |
| ·本文的研究内容及主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 文本分类概述 | 第16-25页 |
| ·文本分类的基本概念及任务特点 | 第16页 |
| ·文本分类的处理流程 | 第16-20页 |
| ·预处理 | 第16-17页 |
| ·文本的表示模型 | 第17页 |
| ·文本的特征选择 | 第17-20页 |
| ·文本分类的主要算法 | 第20-22页 |
| ·支持向量机 | 第20页 |
| ·朴素贝叶斯分类(Naive Bayes) | 第20-21页 |
| ·K最近邻方法(KNN) | 第21-22页 |
| ·分类性能评价指标 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 结合语义的特征提取方法研究 | 第25-36页 |
| ·引言 | 第25-26页 |
| ·相关工作 | 第26-29页 |
| ·TFIDF特征选择 | 第26-27页 |
| ·语义分析的相关介绍 | 第27-28页 |
| ·基于信息熵的特征选择 | 第28-29页 |
| ·基于语义关联的改进特征选择算法 | 第29-32页 |
| ·实验分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 语义分组与χ~2统计量相结合的KNN分类算法 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·χ~2统计量CHI及文本的CHI向量 | 第37-40页 |
| ·χ~2统计量CHI的相关概念 | 第37页 |
| ·面向文本的CHI向量及其改进 | 第37-40页 |
| ·改进的优势 | 第40页 |
| ·传统的KNN文本分类算法 | 第40-41页 |
| ·针对基于两级类别判定的KNN算法的改进 | 第41-44页 |
| ·文本相似度及其改进 | 第41-42页 |
| ·语义分组与χ~2统计量相结合的两级KNN分类算法描述 | 第42-44页 |
| ·改进KNN分类算法的优势分析 | 第44页 |
| ·实验结果与分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-51页 |
| ·全文总结 | 第48-49页 |
| ·论文的创新点 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间参加的科研项目 | 第56页 |
| 攻读学位期间发表的学术论文 | 第56页 |