| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文研究背景及意义 | 第10-11页 |
| ·文本分类国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 文本分类相关技术概述 | 第15-26页 |
| ·文本预处理 | 第16-18页 |
| ·文本分词 | 第16-17页 |
| ·去除文本停用词 | 第17-18页 |
| ·文本表示 | 第18-19页 |
| ·特征选取 | 第19-21页 |
| ·词频*逆文档频率(TF~*IDF) | 第19-20页 |
| ·互信息(MI) | 第20页 |
| ·信息增益(IG) | 第20-21页 |
| ·期望交叉熵(ECE) | 第21页 |
| ·文本分类算法 | 第21-25页 |
| ·朴素贝叶斯算法 | 第22页 |
| ·K近邻算法 | 第22-23页 |
| ·支持向量机算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 TF~*IDF方法计算特征项权重的改进和特征项的降维 | 第26-34页 |
| ·改进的词频和逆文档频率 | 第26-29页 |
| ·词对于类别之间的区分能力 | 第27-28页 |
| ·词对于类别内部的区分能力 | 第28-29页 |
| ·改进的TF~*IDF公式 | 第29页 |
| ·文本特征项的降维 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 支持向量机在多类别问题中的应用 | 第34-40页 |
| ·SVM多类分类方法 | 第34-38页 |
| ·一对多分类方法 | 第34-35页 |
| ·一对一分类方法 | 第35页 |
| ·二叉树分类方法 | 第35-37页 |
| ·有向无环图分类方法 | 第37页 |
| ·改进的二叉树分类方法 | 第37-38页 |
| ·实验分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 文本分类应用与结果分析 | 第40-48页 |
| ·文本分类应用设计 | 第40-42页 |
| ·实验环境 | 第40页 |
| ·分类语料库 | 第40-41页 |
| ·分类应用总体流程 | 第41-42页 |
| ·分类应用流程模块 | 第42-45页 |
| ·预处理模块 | 第42-44页 |
| ·文本表示模块 | 第44页 |
| ·特征选取模块 | 第44页 |
| ·分类模块 | 第44-45页 |
| ·文本分类结果分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·工作总结 | 第48-49页 |
| ·研究展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录A 图目录 | 第54-55页 |
| Appendix A:Figure index | 第55-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |