基于文本挖掘的短信分类技术的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究内容 | 第10-11页 |
| ·论文结构 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第二章 文本挖掘相关技术 | 第12-22页 |
| ·文本挖掘 | 第12-15页 |
| ·文本挖掘技术的产生背景 | 第12-13页 |
| ·文本挖掘的定义和任务文本 | 第13-14页 |
| ·文本挖掘过程 | 第14-15页 |
| ·文本描述方法 | 第15-16页 |
| ·文本分类简介 | 第16-18页 |
| ·文本分类的概念 | 第16-17页 |
| ·文本分类的基本过程 | 第17-18页 |
| ·文本预处理介绍 | 第18-20页 |
| ·文本分词处理 | 第18-19页 |
| ·停用词处理 | 第19-20页 |
| ·BREW 平台简介 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 短信分类处理技术研究 | 第22-36页 |
| ·短信特征研究 | 第22-23页 |
| ·短信格式研究 | 第22页 |
| ·短信内容特征研究 | 第22-23页 |
| ·短信预处理研究 | 第23-27页 |
| ·短信会话抽取 | 第23-26页 |
| ·短信文本规范化处理 | 第26-27页 |
| ·短信特征选择方法 | 第27-31页 |
| ·文本特征选择方法 | 第27-30页 |
| ·短信特征提取方法的选择 | 第30-31页 |
| ·文本分类相关方法 | 第31-35页 |
| ·Rocchio 法 | 第31页 |
| ·朴素贝叶斯方法 | 第31-32页 |
| ·支持向量机 | 第32-34页 |
| ·神经网络分类器 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 KNN 文本分类算法的研究与改进 | 第36-46页 |
| ·KNN 文本分类技术介绍 | 第36-39页 |
| ·KNN 算法原理 | 第36-37页 |
| ·KNN 算法的步骤 | 第37-38页 |
| ·KNN 算法模型的优缺点 | 第38-39页 |
| ·短信特征项权值计算 | 第39-41页 |
| ·特征词汇的权值评价方法 | 第39-40页 |
| ·短信词汇权值计算方法改进 | 第40-41页 |
| ·KNN 文本分类方法的改进 | 第41-45页 |
| ·KNN 分类算法中的问题 | 第41-42页 |
| ·改进方法 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 短信文本挖掘系统的设计和实现 | 第46-62页 |
| ·手机数据管理平台简介 | 第46-49页 |
| ·手机数据管理平台设计 | 第46-48页 |
| ·手机数据管理平台功能分析 | 第48-49页 |
| ·短信文本挖掘系统总体设计 | 第49-51页 |
| ·短信文本挖掘系统总体架构 | 第49-50页 |
| ·短信文本挖掘系统功能设计 | 第50-51页 |
| ·短信文本挖掘系统详细设计 | 第51-60页 |
| ·短信文本预处理模块 | 第51-55页 |
| ·短信文本表示模块 | 第55-57页 |
| ·短信文本分类分析模块 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 系统测试 | 第62-68页 |
| ·测试环境 | 第62-63页 |
| ·功能测试 | 第63-64页 |
| ·分类性能测试 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第七章 结束语 | 第68-72页 |
| ·工作总结 | 第68-69页 |
| ·工作展望 | 第69-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-77页 |
