| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究背景 | 第12页 |
| ·研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·论文组织 | 第14-16页 |
| 第2章 专利分类技术 | 第16-23页 |
| ·专利的基本概念 | 第16-18页 |
| ·专利概念 | 第16-17页 |
| ·专利分类表 | 第17页 |
| ·专利分类任务的特点 | 第17-18页 |
| ·K 最近邻分类方法（KNN） | 第18-20页 |
| ·文本向量化表示 | 第19页 |
| ·余弦向量相似度计算 | 第19页 |
| ·类别决策 | 第19-20页 |
| ·专利数据的存储 | 第20-22页 |
| ·倒排索引技术 | 第20页 |
| ·专利倒排存储 | 第20-21页 |
| ·数据的预处理 | 第21-22页 |
| ·评价方法 | 第22页 |
| ·小结 | 第22-23页 |
| 第3章 基于共享最近邻的 KNN 专利分类技术 | 第23-32页 |
| ·NTCIR-8 简介 | 第23-24页 |
| ·NTCIR 评测任务简介 | 第23-24页 |
| ·NTCIR 评测的影响 | 第24页 |
| ·问题分析 | 第24-26页 |
| ·BM25 检索方法介绍 | 第26页 |
| ·基于共享最近邻的类别决策方法（SNN shared nearest neighbour） | 第26-28页 |
| ·邻居 | 第27页 |
| ·共享最近邻 | 第27-28页 |
| ·基于共享最近邻的相似度权重加和 | 第28页 |
| ·试验及分析 | 第28-31页 |
| ·语料 | 第28-29页 |
| ·评测结果 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第4章 潜在语义分析理论及优化技术研究 | 第32-39页 |
| ·潜在语义分析 | 第32-33页 |
| ·特征传递关系的选择 | 第33-34页 |
| ·基于类别信息指导的特征传递关系优化策略 | 第34-37页 |
| ·问题分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第5章 基于潜在语义分析专利自动分类技术研究 | 第39-51页 |
| ·基于简单结构的潜在语义分析专利分类技术 | 第39-42页 |
| ·专利数据集构建方法 | 第40页 |
| ·基于简单结构的潜在语义分析专利分类技术实现 | 第40-42页 |
| ·参数训练 | 第42页 |
| ·基于层次结构的潜在语义分析专利分类技术 | 第42-45页 |
| ·专利数据集构建方法 | 第42-43页 |
| ·基于层次结构的潜在语义分析专利分类技术实现 | 第43-44页 |
| ·参数训练 | 第44-45页 |
| ·基于传递关系优化策略的专利分类技术 | 第45-48页 |
| ·专利数据集构建方法 | 第45-46页 |
| ·优化策略技术实现 | 第46-47页 |
| ·参数训练 | 第47-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间发表(含录用)的学术论文 | 第56页 |