| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究内容 | 第11页 |
| ·论文组织 | 第11-12页 |
| 2 中文文本分类技术 | 第12-25页 |
| ·文本分类定义 | 第12页 |
| ·文本分类流程 | 第12-13页 |
| ·文本预处理 | 第13-15页 |
| ·分词技术 | 第14-15页 |
| ·去除停用词 | 第15页 |
| ·文本表示模型 | 第15-18页 |
| ·特征降维 | 第18-19页 |
| ·特征加权 | 第19-20页 |
| ·文本分类方法 | 第20-24页 |
| ·朴素贝叶斯算法 | 第20-21页 |
| ·Rocchio 算法 | 第21页 |
| ·K-最近邻算法 | 第21-22页 |
| ·支持向量机 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 常用的特征降维方法 | 第25-33页 |
| ·常用的特征选择方法 | 第25-28页 |
| ·文档频数（Document Frequency，DF） | 第25页 |
| ·互信息（Mutual Information，MI） | 第25-26页 |
| ·信息增益（Information Gain，IG） | 第26-27页 |
| ·X~2统计量（CHI） | 第27页 |
| ·文本证据权（Weight of Evidence for Text，WET） | 第27-28页 |
| ·优势率（Odds Ratio，OR） | 第28页 |
| ·常用的特征抽取方法 | 第28-32页 |
| ·潜在语义索引（Latent Semantic Indexing，LSI） | 第28-30页 |
| ·主成分分析（Principal Component Analysis，PCA） | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 一种新的特征降维方法 | 第33-38页 |
| ·常用特征降维方法的缺点 | 第33-34页 |
| ·新的特征降维方法介绍 | 第34-37页 |
| ·新方法的三个参数 | 第34-35页 |
| ·新方法的全局评估函数 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 5 实验方法和结果分析 | 第38-52页 |
| ·实验方法 | 第38-44页 |
| ·中文文本分类系统的实验流程 | 第38-39页 |
| ·系统基本功能实现 | 第39-42页 |
| ·数据集 | 第42-43页 |
| ·实验评价指标 | 第43-44页 |
| ·结果分析 | 第44-51页 |
| ·全局评估函数对比实验 | 第44-47页 |
| ·特征降维方法对比实验 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| ·研究总结 | 第52页 |
| ·下一步的工作 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第58页 |
| B. 作者在攻读硕士学位期间参与的项目 | 第58页 |
