| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 2 文本分类相关理论及技术 | 第13-28页 |
| ·文本分类概述 | 第13-14页 |
| ·文本预处理 | 第14-15页 |
| ·文本分词 | 第14-15页 |
| ·去低频词和停用词 | 第15页 |
| ·特征选择 | 第15-18页 |
| ·文档频率 | 第16页 |
| ·互信息 | 第16-17页 |
| ·信息增益 | 第17页 |
| ·χ~2统计量 | 第17页 |
| ·交叉熵 | 第17-18页 |
| ·Fisher 判别式 | 第18页 |
| ·文本表示 | 第18-20页 |
| ·布尔模型（Boolean Model） | 第18页 |
| ·概率模型（Probabilistic Model） | 第18-19页 |
| ·空间向量模型（Vector Space Model） | 第19-20页 |
| ·特征词权重计算 | 第20页 |
| ·文本分类算法 | 第20-25页 |
| ·基于统计的分类算法 | 第20-23页 |
| ·神经网络的方法 | 第23-24页 |
| ·基于规则的方法 | 第24-25页 |
| ·分类器性能评估 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 特征词权重计算方法 | 第28-36页 |
| ·特征词权重算法 | 第28-30页 |
| ·布尔权重法 | 第28页 |
| ·信噪比 | 第28-29页 |
| ·熵权重 | 第29页 |
| ·词频率法 | 第29页 |
| ·反文档频率法 | 第29-30页 |
| ·TFIDF 方法 | 第30页 |
| ·TFIDF 算法及其改进 | 第30-34页 |
| ·TFIDF 算法分析 | 第30-32页 |
| ·TFIDF 算法的改进 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 4 基于信息增益和信息熵的特征词权重计算 | 第36-44页 |
| ·信息熵 | 第36-37页 |
| ·信息增益 | 第37-38页 |
| ·基于信息增益的 TFIDF 算法 | 第38-40页 |
| ·基于信息熵和信息增益的 TFIDF 算法改进 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 5 实验结果及分析 | 第44-55页 |
| ·实验介绍 | 第44-47页 |
| ·实验目的与平台 | 第44页 |
| ·实验流程 | 第44-45页 |
| ·实验过程参数 | 第45-47页 |
| ·实验结果分析 | 第47-54页 |
| ·特征降维实验 | 第47-50页 |
| ·TFIDFIGE 算法有效性验证实验 | 第50-53页 |
| ·实验结论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第60页 |
| B. 作者攻读学位期间参加的科研项目 | 第60页 |