文本分类中若干问题研究
| 内容提要 | 第1-9页 |
| 第1章 绪论 | 第9-22页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-13页 |
| ·信息过滤 | 第10-11页 |
| ·信息组织和管理 | 第11-12页 |
| ·词义辨析 | 第12页 |
| ·数字图书馆 | 第12-13页 |
| ·其它应用 | 第13页 |
| ·研究现状 | 第13-19页 |
| ·国外研究现状 | 第13-16页 |
| ·国内研究现状 | 第16-19页 |
| ·本文工作 | 第19-22页 |
| ·本文的研究内容 | 第19-20页 |
| ·本文的组织结构 | 第20-22页 |
| 第2章 文本分类概述 | 第22-42页 |
| ·问题描述 | 第22-25页 |
| ·文本表示模型 | 第25-27页 |
| ·文本预处理 | 第27-28页 |
| ·特征选择 | 第28-29页 |
| ·特征加权 | 第29-30页 |
| ·分类方法 | 第30-32页 |
| ·分类性能评价 | 第32-41页 |
| ·数据集 | 第32-36页 |
| ·评价方法 | 第36-38页 |
| ·评价标准 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于最大边缘相关的特征选择 | 第42-58页 |
| ·引言 | 第42-43页 |
| ·常用的特征选择方法 | 第43-48页 |
| ·文档频率 | 第43-44页 |
| ·信息增益 | 第44页 |
| ·互信息 | 第44-45页 |
| ·χ~2 统计量 | 第45-46页 |
| ·期望交叉熵 | 第46页 |
| ·几率比 | 第46-47页 |
| ·文本证据权 | 第47页 |
| ·单词权 | 第47-48页 |
| ·最大边缘相关 | 第48-49页 |
| ·基于最大边缘相关的特征选择方法 | 第49-51页 |
| ·模拟实验 | 第51-56页 |
| ·数据集 | 第52页 |
| ·评价标准 | 第52页 |
| ·实验结果 | 第52-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 基于特征重要度的特征加权 | 第58-77页 |
| ·引言 | 第58-59页 |
| ·常用的特征加权方法 | 第59-62页 |
| ·实数粗糙集理论中若干定义 | 第62-64页 |
| ·基于特征重要度的特征权重估算方法 | 第64-68页 |
| ·模拟实验 | 第68-75页 |
| ·评价标准 | 第68-69页 |
| ·实验结果 | 第69-75页 |
| ·本章小结 | 第75-77页 |
| 第5章 基于多种群协同优化的规则抽取 | 第77-98页 |
| ·引言 | 第77-78页 |
| ·常用的文本分类方法 | 第78-84页 |
| ·kNN方法 | 第78-79页 |
| ·朴素贝叶斯方法 | 第79-80页 |
| ·支持向量机方法 | 第80-81页 |
| ·人工神经网络方法 | 第81-83页 |
| ·决策树方法 | 第83-84页 |
| ·粗糙集方法 | 第84页 |
| ·基于文本挖掘的Web文本分类 | 第84-87页 |
| ·基于信息熵的种群初始化 | 第87-89页 |
| ·多种群协同优化方法 | 第89-93页 |
| ·多种群协同优化的框架 | 第90-91页 |
| ·适应度评价函数 | 第91-92页 |
| ·多种群间的竞争机制 | 第92-93页 |
| ·多种群间的共享机制 | 第93页 |
| ·模拟实验 | 第93-97页 |
| ·数据集 | 第94页 |
| ·评价标准 | 第94-95页 |
| ·实验结果 | 第95-97页 |
| ·本章小结 | 第97-98页 |
| 第6章 总结与展望 | 第98-101页 |
| ·本文工作总结 | 第98-100页 |
| ·研究前景展望 | 第100-101页 |
| 参考文献 | 第101-115页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第115-117页 |
| 致谢 | 第117-118页 |
| 中文摘要 | 第118-121页 |
| Abstract | 第121-125页 |
