| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 半监督学习研究现状 | 第8-9页 |
| 1.2.2 多标签文本分类研究现状 | 第9-10页 |
| 1.3 本文工作概述 | 第10-11页 |
| 1.4 论文组织架构 | 第11-12页 |
| 第2章 相关技术介绍 | 第12-20页 |
| 2.1 半监督学习 | 第12-13页 |
| 2.2 文本分类流程 | 第13-17页 |
| 2.2.1 文本预处理 | 第14页 |
| 2.2.2 文本表示 | 第14-16页 |
| 2.2.3 构建分类器 | 第16-17页 |
| 2.3 多标签文本分类 | 第17-20页 |
| 2.3.1 ML-KNN算法 | 第17-19页 |
| 2.3.2 多标签文本分类算法的评价指标 | 第19-20页 |
| 第3章 基于标签相关性的多标签文本分类 | 第20-27页 |
| 3.1 引言 | 第20页 |
| 3.2 基于标签共现矩阵的多标签k临近算法LRML-KNN | 第20-24页 |
| 3.2.1 构建标签共现矩阵 | 第20-22页 |
| 3.2.2 基于标签共现矩阵的ML-KNN算法LRML-KNN算法 | 第22-24页 |
| 3.3 实验 | 第24-25页 |
| 3.3.1 实验数据描述 | 第24页 |
| 3.3.2 实验方法和评价指标 | 第24页 |
| 3.3.3 实验结果分析 | 第24-25页 |
| 3.4 本章小结 | 第25-27页 |
| 第4章 基于PLSA的多标签文本分类 | 第27-32页 |
| 4.1 引言 | 第27页 |
| 4.2 基于PLSA的多标签k近邻算法MLPLSA-KNN | 第27-30页 |
| 4.2.1 基于PLSA的多标签文本分类模型 | 第27-29页 |
| 4.2.2 基于PLSA的KNN分类算法 | 第29-30页 |
| 4.3 实验设计与结果分析 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 第5章 基于半监督学习的多标签文本分类 | 第32-39页 |
| 5.1 引言 | 第32-33页 |
| 5.2 协同训练分类器的构造 | 第33页 |
| 5.3 基于协同训练的多标签文本分类算法CT-MLTC | 第33-34页 |
| 5.4 实验与分析 | 第34-37页 |
| 5.5 本章小结 | 第37-39页 |
| 第6章 总结与展望 | 第39-41页 |
| 6.1 总结 | 第39页 |
| 6.2 进一步工作的方向 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-45页 |
