基于背景学习的迭代式文本分类框架
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.4 研究内容 | 第10页 |
| 1.5 文章结构 | 第10-11页 |
| 2 相关理论和技术介绍 | 第11-17页 |
| 2.1 分类技术的分析与比较 | 第11-12页 |
| 2.2 基于统计的分类 | 第12-14页 |
| 2.3 文本分类的过程 | 第14-16页 |
| 2.3.1 文本预处理 | 第14页 |
| 2.3.2 特征提取方法 | 第14-16页 |
| 2.3.2.1 TF-IDF 法 | 第15页 |
| 2.3.2.2 信息增益法 | 第15页 |
| 2.3.2.3 互信息法（MI）法 | 第15-16页 |
| 2.3.2.4 CHI 方法 | 第16页 |
| 2.3.2.5 期望交叉熵法 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 互信息度算法的改进研究 | 第17-23页 |
| 3.1 互信息度 | 第17-18页 |
| 3.1.1 信息熵 | 第17页 |
| 3.1.2 互信息 | 第17-18页 |
| 3.2 基于互信息的文本处理 | 第18-19页 |
| 3.3 改进词语处理方法 | 第19-22页 |
| 3.3.1 传统算法的不足 | 第19-21页 |
| 3.3.2 基于背景知识学习的词语处理 | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 4 基于背景知识学习的文本分类 | 第23-32页 |
| 4.1 基于背景的迭代式框架 | 第23-24页 |
| 4.2 词语预处理 | 第24-29页 |
| 4.2.1 学习再搭配 | 第25-27页 |
| 4.2.2 学习再搭配的迭代 | 第27页 |
| 4.2.3 互信息度处理 | 第27-28页 |
| 4.2.4 迭代收敛 | 第28-29页 |
| 4.3 生成分类器 | 第29-31页 |
| 4.3.1 特征提取 | 第29-30页 |
| 4.3.2 基于朴素贝叶斯的分类器模型 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 5 实验及结果分析 | 第32-39页 |
| 5.1 实验数据 | 第32页 |
| 5.2 评价标准 | 第32-33页 |
| 5.3 实验方案 | 第33-34页 |
| 5.4 结果分析 | 第34-38页 |
| 5.4.1 综合结果分析 | 第34-36页 |
| 5.4.2 单个类结果分析 | 第36-38页 |
| 5.5 本章小结 | 第38-39页 |
| 6 总结与展望 | 第39-41页 |
| 6.1 本文工作总结 | 第39页 |
| 6.2 不足和展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 在学期间发表论文清单 | 第44-45页 |
| 致谢 | 第45页 |
