基于神经网络的文本挖掘在专利自动分类中的研究与应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-5页 |
| 目录 | 第5-8页 |
| 图表目录 | 第8-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第二章 专利概述 | 第13-22页 |
| ·专利 | 第13-15页 |
| ·专利相关概念 | 第13页 |
| ·专利说明书组成 | 第13-15页 |
| ·国际专利分类法 | 第15-18页 |
| ·国际专利分类法的发展 | 第15-16页 |
| ·国际专利分类法的相关规则 | 第16-17页 |
| ·国际专利分类法的应用 | 第17-18页 |
| ·专利信息 | 第18-21页 |
| ·专利信息的特征 | 第18-19页 |
| ·专利信息分析 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 文本挖掘技术 | 第22-36页 |
| ·数据挖掘 | 第22-24页 |
| ·数据挖掘的定义 | 第22-23页 |
| ·数据挖掘的功能 | 第23页 |
| ·数据挖掘的过程 | 第23-24页 |
| ·文本挖掘 | 第24-35页 |
| ·文本挖掘的定义 | 第24-25页 |
| ·文本挖掘的主要技术 | 第25-26页 |
| ·文本挖掘框架 | 第26-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 文本自动分类理论 | 第36-44页 |
| ·文本自动分类的定义 | 第36-37页 |
| ·文本自动分类的类型 | 第37-38页 |
| ·文本自动分类的工作流程 | 第38-41页 |
| ·特征向量的构建 | 第38-39页 |
| ·分类模型的构建 | 第39-41页 |
| ·文本自动分类的性能评价 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 径向基函数神经网络理论 | 第44-54页 |
| ·人工神经网络 | 第44-46页 |
| ·人工神经网络的发展 | 第44-45页 |
| ·人工神经元的模型结构 | 第45-46页 |
| ·人工神经网络的工作方式 | 第46页 |
| ·径向基函数神经网络 | 第46-53页 |
| ·径向基函数 | 第46-47页 |
| ·RBFNN的拓扑结构 | 第47-48页 |
| ·RBFNN的映射关系 | 第48-49页 |
| ·RBFNN的分类机理 | 第49-50页 |
| ·RBFNN的学习训练 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 专利自动分类系统模型设计与实现 | 第54-63页 |
| ·系统功能模块 | 第54-55页 |
| ·系统的层次设计 | 第55-56页 |
| ·系统主要的功能模块 | 第56-62页 |
| ·分词处理 | 第56-58页 |
| ·特征提取 | 第58-59页 |
| ·特征表示 | 第59-60页 |
| ·RBFNN分类器 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 实验测试及结果分析 | 第63-71页 |
| ·实验数据 | 第63-64页 |
| ·分词统计结果与分析 | 第64-65页 |
| ·权重结果与分析 | 第65-66页 |
| ·分类结果与分析 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第八章 结束语 | 第71-73页 |
| ·论文总结 | 第71-72页 |
| ·下一步的工作 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学期间公开发表论文及著作情况 | 第76-77页 |
| 致谢 | 第77页 |
