| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 垃圾短信现状 | 第13-16页 |
| 1.2.1 垃圾短信分类 | 第14-15页 |
| 1.2.2 垃圾短信的危害 | 第15-16页 |
| 1.2.3 垃圾短信拦截技术 | 第16页 |
| 1.3 文本分类技术的发展现状 | 第16-18页 |
| 1.3.1 文本分类框架 | 第16-17页 |
| 1.3.2 文本表示 | 第17页 |
| 1.3.3 建模与分类 | 第17-18页 |
| 1.4 本文工作内容和结构安排 | 第18-19页 |
| 第二章 常见分类方法和语言模型研究 | 第19-33页 |
| 2.1 常见文本分类方法 | 第19-21页 |
| 2.1.1 朴素贝叶斯算法 | 第19-20页 |
| 2.1.2 支持向量机算法 | 第20-21页 |
| 2.2 Logistic回归常用函数 | 第21-27页 |
| 2.2.1 Logistic函数 | 第21-22页 |
| 2.2.2 逻辑回归和梯度下降 | 第22-24页 |
| 2.2.3 Softmax函数 | 第24-27页 |
| 2.3 语言模型研究 | 第27-31页 |
| 2.3.1 N-gram模型 | 第28-30页 |
| 2.3.2 CBOW模型 | 第30页 |
| 2.3.3 Skip-gram模型 | 第30页 |
| 2.3.4 Huffman编码 | 第30-31页 |
| 2.4 文本聚类 | 第31-32页 |
| 2.4.1 文本聚类过程 | 第31页 |
| 2.4.2 文本聚类准则 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于层次softmax的文本分类器 | 第33-52页 |
| 3.1 背景介绍 | 第33页 |
| 3.2 HSTC基本架构 | 第33-35页 |
| 3.3 文本预处理 | 第35-40页 |
| 3.3.1 基于词典的中文分词 | 第36页 |
| 3.3.2 Dropout层 | 第36-38页 |
| 3.3.3 Skip-gram实现 | 第38-40页 |
| 3.4 HSTC模型训练、预测系统 | 第40-45页 |
| 3.4.1 Huffman树的构造 | 第41-42页 |
| 3.4.2 层次softmax | 第42-43页 |
| 3.4.3 模型训练函数 | 第43-45页 |
| 3.4.4 预测输出 | 第45页 |
| 3.5 实验结果和算法仿真 | 第45-51页 |
| 3.5.1 仿真环境和数据集 | 第46-47页 |
| 3.5.2 HSTC自身指标仿真 | 第47-49页 |
| 3.5.3 HSTC与其他分类器对比仿真 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于规则和统计的文本特征提取系统 | 第52-65页 |
| 4.1 背景介绍 | 第52页 |
| 4.2 文本聚类算法研究 | 第52-54页 |
| 4.2.1 Tf-idf加权技术 | 第52-53页 |
| 4.2.2 K-means文本聚类技术 | 第53-54页 |
| 4.3 基于规则的文本特征提取 | 第54-58页 |
| 4.3.1 N-邻近词相似文本聚类 | 第54-56页 |
| 4.3.2 N-最短路分词 | 第56-57页 |
| 4.3.3 基于规则的称呼提取 | 第57-58页 |
| 4.4 高可用的海量短信处理系统 | 第58-60页 |
| 4.4.1 系统整体架构 | 第58-59页 |
| 4.4.2 系统可靠性论述 | 第59-60页 |
| 4.5 实验结果和算法仿真 | 第60-63页 |
| 4.5.1 仿真环境和数据集 | 第60-61页 |
| 4.5.2 N-邻近词相似文本聚类n值选取 | 第61页 |
| 4.5.3 基于词典的分词方法和N-最短路分词性能对比 | 第61-63页 |
| 4.5.4 K-means文本聚类和n-邻近词相似文本聚类法性能对比 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |