| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·微博信息分类的研究背景和意义 | 第8-9页 |
| ·微博信息分类的国内外研究现状 | 第9-12页 |
| ·文本分类的研究现状 | 第9-11页 |
| ·微博短文本分类的研究现状 | 第11-12页 |
| ·微博信息分类面临的问题 | 第12-13页 |
| ·本文研究内容 | 第13页 |
| ·本文组织结构 | 第13-16页 |
| 第2章 文本自动分类的相关技术 | 第16-32页 |
| ·文本分类的定义 | 第16页 |
| ·文本分类的关键技术和方法 | 第16-17页 |
| ·文本预处理 | 第17-19页 |
| ·文本的表示 | 第19页 |
| ·特征项的权值计算 | 第19-20页 |
| ·特征选择方法 | 第20-24页 |
| ·传统文本分类方法 | 第24-29页 |
| ·分类性能评估 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于混合特征的微博信息分类方法研究 | 第32-38页 |
| ·微博特征的分析 | 第32-33页 |
| ·微博混合特征的引入 | 第33-35页 |
| ·混合特征的引入后的实验分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 改进的卡方特征选择方法和权重调整方法 | 第38-44页 |
| ·传统卡方统计量（CHI） | 第38页 |
| ·改进的卡方统计量（改进的 CHI） | 第38-40页 |
| ·特征选择部分的改进 | 第38-39页 |
| ·权重计算部分的改进（tf*idf*改进后的卡方统计量） | 第39-40页 |
| ·改进的卡方统计量的实验分析 | 第40-42页 |
| ·改进的 CHI 与传统 CHI 对比 | 第40-41页 |
| ·改进的 CHI 在不同特征维数下的表现 | 第41-42页 |
| ·改进的 CHI 与传统特征选择方法的对比： | 第42页 |
| ·本章小结 | 第42-44页 |
| 第5章 基于微博混合特征的 1F-3F 法（K-SVM） | 第44-48页 |
| ·SVM 解决多分类问题 | 第44页 |
| ·基于微博混合特征的 1F-3F(K-SVM)法 | 第44-46页 |
| ·1F-3F(K-SVM)法的实验结果 | 第46页 |
| ·本章小结 | 第46-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间所发表的学术论文 | 第54-56页 |
| 致谢 | 第56页 |