| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 课题背景及意义 | 第14-16页 |
| 1.2 文本分类语料库的构建方法研究 | 第16-18页 |
| 1.3 文本特征抽取研究现状 | 第18-20页 |
| 1.4 文本分类方法研究现状 | 第20-24页 |
| 1.4.1 无监督文本分类方法 | 第20-21页 |
| 1.4.2 有监督文本分类方法 | 第21-22页 |
| 1.4.3 半监督文本分类方法 | 第22-24页 |
| 1.5 文本分类评测指标 | 第24-25页 |
| 1.6 本文的研究内容及创新点 | 第25-27页 |
| 1.6.1 研究内容概述 | 第25-27页 |
| 1.6.2 主要创新点 | 第27页 |
| 1.7 论文组织结构 | 第27-29页 |
| 第2章 基于网页结构的语料库自动构建方法 | 第29-51页 |
| 2.1 引言 | 第29-30页 |
| 2.2 语料库自动构建方法框架 | 第30-31页 |
| 2.3 网页类别自动标注方法 | 第31-39页 |
| 2.3.1 导航栏识别过程 | 第32-33页 |
| 2.3.2 导航栏识别方法 | 第33-38页 |
| 2.3.3 链接类别自动标注方法 | 第38-39页 |
| 2.4 语料库生成 | 第39-41页 |
| 2.4.1 网页内容提取 | 第39-40页 |
| 2.4.2 网页语言分类 | 第40-41页 |
| 2.5 基于文本聚类的语料库降噪 | 第41-44页 |
| 2.5.1 基于K-means聚类的语料库降噪 | 第42页 |
| 2.5.2 基于LDA主题模型的语料库降噪 | 第42-44页 |
| 2.6 实验 | 第44-50页 |
| 2.6.1 实验数据 | 第44页 |
| 2.6.2 实验设置 | 第44-45页 |
| 2.6.3 实验结果 | 第45-50页 |
| 2.7 本章小结 | 第50-51页 |
| 第3章 有监督文本宏特征抽取方法 | 第51-73页 |
| 3.1 引言 | 第51-52页 |
| 3.2 文本聚类算法 | 第52-54页 |
| 3.2.1 K-means聚类算法 | 第52-53页 |
| 3.2.2 层次聚类算法 | 第53页 |
| 3.2.3 AP聚类算法 | 第53-54页 |
| 3.3 距离函数和相似度度量方法 | 第54-56页 |
| 3.3.1 距离函数 | 第54-55页 |
| 3.3.2 相似度度量方法 | 第55-56页 |
| 3.4 基于聚类的有监督宏特征抽取 | 第56-58页 |
| 3.4.1 基于聚类的有监督宏特征抽取原理 | 第56-57页 |
| 3.4.2 基于聚类的有监督宏特征抽取算法 | 第57-58页 |
| 3.5 基于聚类加权的有监督宏特征抽取 | 第58-62页 |
| 3.5.1 基于聚类加权的有监督宏特征抽取原理 | 第58-60页 |
| 3.5.2 基于聚类加权的有监督宏特征抽取算法 | 第60-62页 |
| 3.6 基于质心向量的有监督宏特征抽取 | 第62-64页 |
| 3.6.1 基于质心向量的有监督宏特征抽取原理 | 第62页 |
| 3.6.2 基于质心向量的有监督宏特征抽取算法 | 第62-64页 |
| 3.7 实验 | 第64-72页 |
| 3.7.1 实验数据 | 第64页 |
| 3.7.2 实验设置 | 第64-65页 |
| 3.7.3 实验结果 | 第65-72页 |
| 3.8 本章小结 | 第72-73页 |
| 第4章 文本宏特征融合方法 | 第73-84页 |
| 4.1 引言 | 第73页 |
| 4.2 文本的描述模型 | 第73-74页 |
| 4.3 无监督宏特征 | 第74-77页 |
| 4.3.1 基于K-means的无监督宏特征抽取 | 第74页 |
| 4.3.2 基于LDA的无监督宏特征抽取 | 第74-76页 |
| 4.3.3 基于DBN的无监督宏特征抽取 | 第76-77页 |
| 4.4 有监督和无监督宏特征融合 | 第77-79页 |
| 4.5 实验 | 第79-83页 |
| 4.5.1 实验数据和设置 | 第79页 |
| 4.5.2 实验结果 | 第79-83页 |
| 4.6 本章小结 | 第83-84页 |
| 第5章 基于排序学习框架的质心文本分类方法 | 第84-105页 |
| 5.1 引言 | 第84-85页 |
| 5.2 基于质心的分类方法 | 第85-87页 |
| 5.2.1 Rocchio方法 | 第85-86页 |
| 5.2.2 Hypothesis Margin Centroid方法 | 第86页 |
| 5.2.3 Drag Pushing方法 | 第86-87页 |
| 5.3 基于排序学习的质心分类方法的统一框架 | 第87-90页 |
| 5.3.1 基于排序学习的统一框架 | 第87-88页 |
| 5.3.2 基于质心的分类方法的框架表示 | 第88-90页 |
| 5.4 基于排序学习的质心分类方法 | 第90-96页 |
| 5.4.1 基于Pointwise排序的质心方法 | 第90-92页 |
| 5.4.2 基于Pairwise排序的质心方法 | 第92-94页 |
| 5.4.3 基于Listwise排序的质心方法 | 第94-96页 |
| 5.5 实验 | 第96-104页 |
| 5.5.1 实验数据 | 第96-97页 |
| 5.5.2 实验设置 | 第97-98页 |
| 5.5.3 实验结果 | 第98-104页 |
| 5.6 本章小结 | 第104-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-119页 |
| 攻读博士学位期间发表的学术论文及其它成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 个人简历 | 第122页 |