文本分类新方法的研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景和研究意义 | 第7-8页 |
| ·选题背景 | 第7页 |
| ·研究意义 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·研究内容 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 文本分类概述 | 第11-19页 |
| ·文本预处理与文本表示 | 第11-14页 |
| ·文本预处理 | 第11-12页 |
| ·文本表示 | 第12-13页 |
| ·特征选择 | 第13-14页 |
| ·文本分类相关算法 | 第14-16页 |
| ·文本相似度算法 | 第14页 |
| ·朴素贝叶斯模型 | 第14-15页 |
| ·K 近邻 | 第15页 |
| ·神经网络 | 第15页 |
| ·支持向量机 | 第15-16页 |
| ·性能评价与相关语料库 | 第16-19页 |
| ·性能评价 | 第16-17页 |
| ·相关语料 | 第17-19页 |
| 第三章 基于不完整数据集的文本分类技术概要 | 第19-25页 |
| ·朴素贝叶斯方法 | 第19-21页 |
| ·直推向量机方法 | 第21-22页 |
| ·PU-learning 问题 | 第22-25页 |
| 第四章 改进的基于不完整数据集的文本分类新方法 | 第25-39页 |
| ·统计推理和似然估计 | 第25-26页 |
| ·混合模型的EM 算法 | 第26-28页 |
| ·EM 算法介绍 | 第26页 |
| ·EM 算法推导 | 第26-28页 |
| ·B-EMNB 算法 | 第28-31页 |
| ·实验与结果 | 第31-38页 |
| ·实验组一 | 第31-33页 |
| ·实验组二 | 第33-35页 |
| ·实验组三 | 第35-36页 |
| ·实验组四 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第五章 基于不完整数据集发现新类别的文本分类方法 | 第39-51页 |
| ·文本相似度算法 | 第39-40页 |
| ·网页噪音处理 | 第40-41页 |
| ·LUD 分类算法 | 第41-42页 |
| ·实验与结果 | 第42-49页 |
| ·实验组一 | 第42-44页 |
| ·实验组二 | 第44-47页 |
| ·实验组三 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |
