| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 选题背景及意义 | 第8页 |
| 1.2 文本分类技术的研究现状 | 第8-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 2.信息检索模型 | 第15-19页 |
| 2.1 布尔模型（BOOLEAN MODEL） | 第15-16页 |
| 2.2 概率模型（PROBABILISTIC MODEL） | 第16-17页 |
| 2.3 向量空间模型（VECTOR SPACE MODEL, VSM） | 第17页 |
| 2.4 文本表示 | 第17-19页 |
| 3.文本特征向量实现相关技术 | 第19-24页 |
| 3.1 文本预处理 | 第19-22页 |
| 3.2 特征向量实现技巧 | 第22-23页 |
| 3.3 PYTHON软件 | 第23-24页 |
| 4.文本分类技术 | 第24-30页 |
| 4.1 朴素贝叶斯分类算法 | 第24-25页 |
| 4.2 K近邻分类算法 | 第25-27页 |
| 4.3 支持向量机分类算法 | 第27-28页 |
| 4.4 随机森林分类算法 | 第28-30页 |
| 5.中文文本分类系统的设计与实现 | 第30-38页 |
| 5.1 实验环境 | 第30页 |
| 5.2 实验数据及结果评价指标 | 第30-31页 |
| 5.3 语料库预处理 | 第31-35页 |
| 5.4 实验步骤 | 第35-36页 |
| 5.5 实验结果分析 | 第36-38页 |
| 6.结束语 | 第38-39页 |
| 6.1 总结 | 第38页 |
| 6.2 研究展望 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 附录 | 第44-48页 |