基于支持向量机的文本分类研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·概述 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·作者的主要工作 | 第15-16页 |
| ·论文内容简介 | 第16-17页 |
| 第2章 文本分类相关技术 | 第17-32页 |
| ·文本预处理 | 第17页 |
| ·文本表示 | 第17-19页 |
| ·向量空间模型 | 第17-18页 |
| ·特征项权重计算方法 | 第18-19页 |
| ·影响权重的信息 | 第19页 |
| ·特征选择 | 第19-22页 |
| ·文档频率 | 第20页 |
| ·信息增益 | 第20页 |
| ·互信息 | 第20-21页 |
| ·x~2统计量 | 第21页 |
| ·特征权 | 第21-22页 |
| ·分类方法 | 第22-29页 |
| ·朴素贝叶斯 | 第22-23页 |
| ·类中心向量 | 第23-24页 |
| ·k近邻 | 第24-25页 |
| ·支持向量机 | 第25-28页 |
| ·最大熵模型 | 第28-29页 |
| ·分类性能评估 | 第29-32页 |
| ·单类赋值 | 第30-31页 |
| ·多类排序 | 第31-32页 |
| 第3章 中文语料上的实验对比研究 | 第32-36页 |
| ·语料库 | 第32-33页 |
| ·实验设置 | 第33页 |
| ·特征选择方法实验对比研究 | 第33-34页 |
| ·文本分类方法实验对比研究 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 基于SVM与LSI相结合的文本分类研究 | 第36-43页 |
| ·潜在语义索引 | 第36-37页 |
| ·LSI的实验结果分析 | 第37-38页 |
| ·一种基于SVM的局部LSI文本分类方法 | 第38-41页 |
| ·局部LSI | 第38-39页 |
| ·基于SVM的局部LSI(SVM-LLSI) | 第39页 |
| ·实验及结果分析 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第5章 基于HuffMan树的多类SVM研究 | 第43-49页 |
| ·多类SVM方法 | 第43-47页 |
| ·One-vs-Rest | 第43页 |
| ·One-vs-one | 第43页 |
| ·DAGSVM | 第43-44页 |
| ·二叉树方法 | 第44-45页 |
| 5.l.S ECOC-SVM方法 | 第45-47页 |
| ·基于Huffman树的多类SVM方法 | 第47-48页 |
| ·实验及结果分析 | 第48页 |
| ·小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第55页 |
