改进的互信息与LDA结合的特征降维方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容及主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 相关技术概述 | 第14-24页 |
| 2.1 文本分类介绍与预处理 | 第14-16页 |
| 2.1.1 文本分类介绍 | 第14-16页 |
| 2.1.2 文本预处理 | 第16页 |
| 2.2 文本表示模型 | 第16-17页 |
| 2.3 文本特征选择方法 | 第17-19页 |
| 2.3.1 文档频数 | 第17-18页 |
| 2.3.2 信息增益 | 第18页 |
| 2.3.3 χ~2统计量 | 第18-19页 |
| 2.3.4 互信息 | 第19页 |
| 2.4 常用文本分类算法 | 第19-21页 |
| 2.4.1 朴素贝叶斯 | 第19-20页 |
| 2.4.2 支持向量机 | 第20页 |
| 2.4.3 KNN算法 | 第20-21页 |
| 2.5 文本分类评估指标 | 第21-23页 |
| 2.5.1 准确率和召回率 | 第22页 |
| 2.5.2 F值 | 第22页 |
| 2.5.3 宏平均和微平均 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 互信息特征选择方法改进 | 第24-34页 |
| 3.1 传统互信息特征选择 | 第24-26页 |
| 3.1.1 传统互信息特征选择方法 | 第24-25页 |
| 3.1.2 传统互信息特征选择方法不足 | 第25-26页 |
| 3.2 影响强信息特征的因素 | 第26页 |
| 3.3 特征词词频 | 第26-27页 |
| 3.3.1 特征类频度 | 第26-27页 |
| 3.3.2 特征类内文本平均次数 | 第27页 |
| 3.3.3 最小词频数 | 第27页 |
| 3.4 类别区分词 | 第27-29页 |
| 3.4.1 类内分散度 | 第28页 |
| 3.4.2 类间离散度 | 第28-29页 |
| 3.5 特征词词频与类别区分词结合的改进 | 第29-30页 |
| 3.6 实验结果与分析 | 第30-33页 |
| 3.6.1 实验语料预处理 | 第30页 |
| 3.6.2 KNN算法中K值确定 | 第30-32页 |
| 3.6.3 实验对比分析 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 特征选择与LDA相结合的分类实现 | 第34-49页 |
| 4.1 主题模型 | 第34-36页 |
| 4.1.1 PLSA模型 | 第34-35页 |
| 4.1.2 LDA模型 | 第35-36页 |
| 4.2 改进的互信息特征选择与LDA模型相结合 | 第36-39页 |
| 4.2.1 基本流程图 | 第36-37页 |
| 4.2.2 LDA模型初始参数设定 | 第37-38页 |
| 4.2.3 LDA模型的推断 | 第38-39页 |
| 4.2.4 特征选择与LDA相结合的分类过程 | 第39页 |
| 4.3 实验结果与分析 | 第39-48页 |
| 4.3.1 实验环境与工具 | 第39-40页 |
| 4.3.2 实验语料预处理 | 第40-41页 |
| 4.3.3 主题数的选取 | 第41-42页 |
| 4.3.4 LDA训练过程 | 第42-43页 |
| 4.3.5 实验对比分析 | 第43-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49页 |
| 5.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 在校期间发表的论文、科研成果 | 第54-55页 |
| 致谢 | 第55页 |
