文本分类中特征加权算法和文本表示策略研究
| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.2.1 信息过滤 | 第12页 |
| 1.2.2 信息检索 | 第12-13页 |
| 1.2.3 热点话题发现与跟踪 | 第13页 |
| 1.2.4 数字图书馆 | 第13页 |
| 1.2.5 问题分类 | 第13-14页 |
| 1.2.6 言语行为分类 | 第14页 |
| 1.2.7 其他应用 | 第14页 |
| 1.3 研究现状 | 第14-19页 |
| 1.3.1 国外研究现状 | 第14-17页 |
| 1.3.2 国内研究现状 | 第17-19页 |
| 1.4 研究内容及组织结构 | 第19-22页 |
| 1.4.1 研究内容 | 第19-20页 |
| 1.4.2 本文的组织结构 | 第20-22页 |
| 第二章 文本分类相关方法 | 第22-43页 |
| 2.1 问题描述 | 第22-23页 |
| 2.1.1 单标签和多标签文本分类 | 第22-23页 |
| 2.1.2 以类别为中心和以文档为中心的文本分类 | 第23页 |
| 2.2 文本分类框架与文本表示模型 | 第23-24页 |
| 2.3 文本预处理 | 第24-25页 |
| 2.4 特征选择和特征提取 | 第25-29页 |
| 2.4.1 特征选择 | 第26-28页 |
| 2.4.2 特征提取 | 第28-29页 |
| 2.5 特征加权 | 第29页 |
| 2.6 文本分类器 | 第29-38页 |
| 2.6.1 Rocchio算法 | 第30-31页 |
| 2.6.2 朴素贝叶斯分类算法 | 第31-32页 |
| 2.6.3 K近邻分类算法 | 第32-34页 |
| 2.6.4 人工神经网络 | 第34-35页 |
| 2.6.5 支持向量机 | 第35-38页 |
| 2.7 分类性能评估 | 第38-41页 |
| 2.7.1 精确率和召回率 | 第39-40页 |
| 2.7.2 Fβ度量 | 第40页 |
| 2.7.3 微平均和宏平均 | 第40-41页 |
| 2.7.4 正确率 | 第41页 |
| 2.8 本章小结 | 第41-43页 |
| 第三章 基于类别信息的特征加权算法 | 第43-68页 |
| 3.1 引言 | 第43页 |
| 3.2 相关特征加权算法 | 第43-46页 |
| 3.2.1 词频 | 第44页 |
| 3.2.2 逆文档频率 | 第44-45页 |
| 3.2.3 逆类别频率 | 第45页 |
| 3.2.4 相关频率 | 第45-46页 |
| 3.2.5 iqf*qf*icf算法 | 第46页 |
| 3.3 基于类别信息的特征加权算法 | 第46-50页 |
| 3.3.1 算法的研究背景及目的 | 第46-47页 |
| 3.3.2 算法的实现 | 第47-50页 |
| 3.3.3 算法的时间复杂度分析 | 第50页 |
| 3.4 实验与结果分析 | 第50-67页 |
| 3.4.1 数据集 | 第50-51页 |
| 3.4.2 分类器及评价标准 | 第51-52页 |
| 3.4.3 实验结果 | 第52-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 基于类空间密度的特征加权算法 | 第68-82页 |
| 4.1 引言 | 第68页 |
| 4.2 相关特征加权算法 | 第68-70页 |
| 4.2.1 prob-based算法 | 第68-69页 |
| 4.2.2 tf*icf和icf-based算法 | 第69-70页 |
| 4.3 基于类空间密度的特征加权算法 | 第70-75页 |
| 4.3.1 算法的研究背景及目的 | 第70页 |
| 4.3.2 算法的实现 | 第70-74页 |
| 4.3.3 算法的时间复杂度分析 | 第74-75页 |
| 4.4 实验与结果分析 | 第75-81页 |
| 4.4.1 数据集 | 第75页 |
| 4.4.2 分类器及评价标准 | 第75-76页 |
| 4.4.3 实验结果 | 第76-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 面向失衡数据集的特征加权算法 | 第82-94页 |
| 5.1 引言 | 第82页 |
| 5.2 相关特征加权算法 | 第82-83页 |
| 5.2.1 信息增益 | 第82-83页 |
| 5.2.2 卡方统计 | 第83页 |
| 5.2.3 几率比 | 第83页 |
| 5.3 面向失衡数据集的特征加权算法 | 第83-87页 |
| 5.3.1 算法的研究背景及目的 | 第83-84页 |
| 5.3.2 算法的实现 | 第84-87页 |
| 5.3.3 算法的时间复杂度分析 | 第87页 |
| 5.4 实验与结果分析 | 第87-92页 |
| 5.4.1 数据集 | 第87-88页 |
| 5.4.2 分类器及评价标准 | 第88-89页 |
| 5.4.3 实验结果 | 第89-92页 |
| 5.5 本章小结 | 第92-94页 |
| 第六章 有监督特征加权方法的最优文本表示策略 | 第94-109页 |
| 6.1 引言 | 第94-95页 |
| 6.2 相关文本表示策略 | 第95-96页 |
| 6.3 有监督特征加权方法的最优文本表示策略 | 第96-100页 |
| 6.3.1 算法的研究背景及目的 | 第96-98页 |
| 6.3.2 算法的实现 | 第98-99页 |
| 6.3.3 算法的时间复杂度分析 | 第99-100页 |
| 6.4 实验与结果分析 | 第100-108页 |
| 6.4.1 数据集 | 第100页 |
| 6.4.2 分类器及评价标准 | 第100页 |
| 6.4.3 实验结果 | 第100-108页 |
| 6.5 本章小结 | 第108-109页 |
| 第七章 总结与展望 | 第109-112页 |
| 7.1 总结 | 第109-110页 |
| 7.2 未来展望 | 第110-112页 |
| 参考文献 | 第112-121页 |
| 致谢 | 第121-122页 |
| 在学期间公开发表论文及著作情况 | 第122页 |
