首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于投票机制的文本主客观分类系统

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第13-17页
    1.1 研究背景和意义第13-14页
    1.2 国内外研究现状第14-15页
    1.3 论文的主要工作第15页
    1.4 文本的组织结构第15-17页
第二章 文本分类第17-35页
    2.1 文本分类概述第17-18页
    2.2 文本预处理第18-19页
        2.2.1 过滤冗余信息第18页
        2.2.2 分词及词性标注第18-19页
    2.3 文本表示模型第19-21页
        2.3.1 向量空间模型第20-21页
        2.3.2 布尔模型第21页
        2.3.3 概率模型第21页
    2.4 特征表示第21-28页
        2.4.1 特征空间选择第21-24页
        2.4.2 特征降维第24-27页
        2.4.3 特征权重第27-28页
    2.5 文本分类方法第28-33页
        2.5.1 朴素贝叶斯分类器第29-30页
        2.5.2 KNN分类器第30页
        2.5.3 基于支持向量机的分类器第30-33页
    2.6 文本分类性能评估方法第33-34页
    2.7 本章小结第34-35页
第三章 基于投票机制的文本主客观分类系统第35-45页
    3.1 理论基础第35-41页
        3.1.1 集成分类器的拓扑结构第37-39页
        3.1.2 基分类器的构造第39-40页
        3.1.3 基分类器的融合方法第40-41页
    3.2 系统整体模型图第41-43页
    3.3 基于线索密度的主客观分类模块第43页
    3.4 基于N-POS的主客观分类模块第43-44页
    3.5 基于条件随机场的主客观分类模块第44页
    3.6 本章小结第44-45页
第四章 基于线索密度的文本主客观分类模块第45-52页
    4.1 模块构造阐述第45-46页
    4.2 主观线索预选第46-48页
    4.3 主观线索权重和密度第48-49页
        4.3.1 主观线索权重第48页
        4.3.2 主观线索密度第48-49页
    4.4 模块性能分析第49-51页
        4.4.1 实验设置第49页
        4.4.2 实验结果第49-51页
    4.5 本章小结第51-52页
第五章 基于N-POS的主客观分类模块第52-59页
    5.1 模块构造阐述第52-53页
    5.2 基于N-POS的文本主观模式提取方法第53-54页
    5.3 基于N-POS模型的中文文本主观程度计算方法第54-56页
    5.4 模块性能分析第56-57页
        5.4.1 实验设置第56页
        5.4.2 实验结果第56-57页
    5.5 本章小结第57-59页
第六章 基于条件随机场的主客观分类模块第59-72页
    6.1 模块构造阐述第59-60页
    6.2 理论基础第60-64页
        6.2.1 定义第60-61页
        6.2.2 势函数第61页
        6.2.3 CRF概率模型第61-62页
        6.2.4 CRF模型参数第62-64页
        6.2.5 条件概率的矩阵计算第64页
    6.3 特征项选择第64-66页
    6.4 序列标注第66页
    6.5 分类结果抽离方法第66-68页
    6.6 特征模板的选取第68-69页
    6.7 模块性能分析第69-71页
        6.7.1 实验设置第69页
        6.7.2 特征模板的选择第69-70页
        6.7.3 主观预测权重的确定第70-71页
    6.8 本章小结第71-72页
第七章 系统构建第72-74页
    7.1 系统性能分析第72-73页
    7.2 本章小结第73-74页
第八章 总结与展望第74-76页
    8.1 本文工作总结第74页
    8.2 研究展望第74-76页
参考 文献第76-79页
致谢第79-80页
攻读硕士学位期间已发表或录用的论文第80-81页
附件第81页

论文共81页,点击 下载论文
上一篇:网络信息可视化的表现及应用
下一篇:基于局部先验信息与主动轮廓模型的图像分割