中文文本分类中分词和特征选择方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10页 |
| ·文本分类的研究现状 | 第10-12页 |
| ·国外的研究状况 | 第10-11页 |
| ·国内的研究状况 | 第11-12页 |
| ·本文研究工作 | 第12-14页 |
| 第2章 中文文本分类基础 | 第14-23页 |
| ·文本分类的定义 | 第14页 |
| ·文本分类的过程 | 第14-16页 |
| ·文本表示模型 | 第16-18页 |
| ·向量空间模型 | 第16-17页 |
| ·概率模型 | 第17页 |
| ·布尔模型 | 第17-18页 |
| ·支持向量机 | 第18-22页 |
| ·最优超平面 | 第18-19页 |
| ·线性可分情况 | 第19-20页 |
| ·线性不可分情况 | 第20-21页 |
| ·非线性情况 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 中文文本分词算法研究 | 第23-34页 |
| ·中文文本字符串的预处理 | 第23-24页 |
| ·基于词典分词算法的改进 | 第24-30页 |
| ·基于词典分词算法 | 第25页 |
| ·双向匹配存同消歧分词算法 | 第25-30页 |
| ·实验结果与分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 特征选择方法研究 | 第34-44页 |
| ·几种常用的特征选择方法 | 第34-36页 |
| ·文档频率 | 第34页 |
| ·信息增益 | 第34-35页 |
| ·互信息 | 第35-36页 |
| ·特征项权重的计算 | 第36-37页 |
| ·TFIDF方法的分析与改进 | 第37-41页 |
| ·TFIDF的不足 | 第37-39页 |
| ·引入信息熵的改进TFIDF方法 | 第39-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 中文文本分类原型系统的实现与分析 | 第44-53页 |
| ·LIBSVM简介 | 第44-46页 |
| ·LIBSVM的使用方法 | 第44-45页 |
| ·训练与测试过程 | 第45-46页 |
| ·评价标准 | 第46-47页 |
| ·实验所用语料集 | 第47-48页 |
| ·中文文本分类系统实验与分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·进一步工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
