基于流形学习方法的中文文本分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 中文文本分类研究 | 第10-11页 |
| 1.2.2 流形学习算法研究 | 第11-15页 |
| 第2章 中文文本分类 | 第15-31页 |
| 2.1 文本分类框架 | 第15-16页 |
| 2.2 文本表示方法 | 第16-18页 |
| 2.2.1 文本表示 | 第16-17页 |
| 2.2.2 相似度计算 | 第17-18页 |
| 2.3 文本预处理 | 第18-20页 |
| 2.3.1 文本特征表示 | 第18-19页 |
| 2.3.2 中文分词 | 第19-20页 |
| 2.4 特征选择 | 第20-23页 |
| 2.4.1 特征选择定义 | 第20页 |
| 2.4.2 特征项的权值计算 | 第20-21页 |
| 2.4.3 特征选择方法 | 第21-23页 |
| 2.5 特征重构 | 第23-25页 |
| 2.6 分类算法 | 第25-30页 |
| 2.6.1 K 最近邻算法 | 第25-27页 |
| 2.6.2 朴素贝叶斯算法 | 第27-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 流形学习算法 | 第31-41页 |
| 3.1 数据降维技术 | 第31页 |
| 3.2 流形与流形学习 | 第31-32页 |
| 3.3 常用流形学习方法 | 第32-40页 |
| 3.3.1 等距映射算法 | 第32-35页 |
| 3.3.2 局部线性嵌入算法 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 对特征项权重计算方法的改进 | 第41-47页 |
| 4.1 TF-IDF 权重计算法 | 第41-42页 |
| 4.2 文本分类中特征词权重计算方法的改进 | 第42-45页 |
| 4.2.1 词频与特征选择函数结合 | 第42-43页 |
| 4.2.2 TF-IDF 法与特征选择函数结合 | 第43-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第5章 对非线性数据的特征重构的改进 | 第47-53页 |
| 5.1 流形学习方法取代线性重构方法 | 第47-49页 |
| 5.2 对流形学习方法的改进 | 第49-51页 |
| 5.2.1 处理断裂的数据流形 | 第49-51页 |
| 5.2.2 计算低维嵌入坐标 | 第51页 |
| 5.3 本章小结 | 第51-53页 |
| 第6章 实验测试与结果分析 | 第53-63页 |
| 6.1 各模块功能与设计 | 第53-54页 |
| 6.2 实验环境 | 第54页 |
| 6.3 文本分类实验 | 第54-62页 |
| 6.3.1 测试集与训练集 | 第54页 |
| 6.3.2 实验结果及评价 | 第54-62页 |
| 6.4 本章小结 | 第62-63页 |
| 结论与展望 | 第63-67页 |
| 本文工作与总结 | 第63-64页 |
| 未来研究展望 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
