基于复杂网络的中文文本分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·文本表示模型现状 | 第10页 |
| ·文本特征选择现状 | 第10-11页 |
| ·文本分类器现状 | 第11页 |
| ·研究现状分析 | 第11页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文的组织结构 | 第12-16页 |
| 第二章 相关理论基础 | 第16-28页 |
| ·语言复杂网络概述 | 第16-18页 |
| ·语言复杂网络的小世界特性 | 第16-17页 |
| ·复杂网络节点统计特性 | 第17-18页 |
| ·文本分类的关键技术 | 第18-27页 |
| ·文本分类的概念及过程 | 第18-20页 |
| ·文本预处理 | 第20-21页 |
| ·文本表示 | 第21-23页 |
| ·特征选择 | 第23-24页 |
| ·文本分类算法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于复杂网络小世界特性的特征选择研究 | 第28-38页 |
| ·文本加权复杂网络的构造 | 第28-30页 |
| ·词语间语义相关关系量化 | 第30-33页 |
| ·加权复杂网络特性 | 第33-34页 |
| ·基于复杂网络的特征选择算法 | 第34-36页 |
| ·特征选择效果的文本举例 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于复杂网络的中文文本分类算法研究 | 第38-48页 |
| ·基本思想 | 第38页 |
| ·基于复杂网络的文本分类模型 | 第38-41页 |
| ·基于最大公共子图的文本相似度计算 | 第41-45页 |
| ·相关概念 | 第42页 |
| ·复杂网络中最大公共子图的提取 | 第42-44页 |
| ·文本相似度量化 | 第44-45页 |
| ·基于复杂网络的中文文本分类算法 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 实验设计与结果分析 | 第48-54页 |
| ·实验语料 | 第48页 |
| ·实验评价 | 第48-50页 |
| ·实验过程与结果分析 | 第50-53页 |
| ·特征选择效果实验 | 第50-51页 |
| ·文本相似度计算实验 | 第51-52页 |
| ·文本分类实验 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·进一步工作 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 硕士期间科研成果 | 第64-65页 |
