| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-13页 |
| ·文本分类概述 | 第13-16页 |
| ·文本平面分类 | 第14-15页 |
| ·文本层次分类 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·文本分类发展阶段 | 第16-17页 |
| ·文本分类存在的问题 | 第17-18页 |
| ·本文主要研究内容及创新 | 第18页 |
| ·论文的组织结构 | 第18-20页 |
| 第二章 文本分类技术 | 第20-40页 |
| ·文本分类任务 | 第20-21页 |
| ·分类流程 | 第20-21页 |
| ·文本层次分类 | 第21页 |
| ·文本表示模型 | 第21-24页 |
| ·向量空间模型 | 第22-23页 |
| ·布尔模型 | 第23-24页 |
| ·维数消减方法 | 第24-30页 |
| ·特征选择 | 第24-27页 |
| ·特征抽取 | 第27-30页 |
| ·常见文本分类方法 | 第30-36页 |
| ·简单向量距离分类法 | 第30页 |
| ·K最近邻分类法(k-Nearest Neighbor,KNN) | 第30-32页 |
| ·朴素贝叶斯分类法(Naive Bayes,NB) | 第32-33页 |
| ·支持向量机分类法(Support Vecor Machines,SVM) | 第33-35页 |
| ·其它分类方法 | 第35-36页 |
| ·分类性能评估 | 第36-39页 |
| ·单类赋值 | 第37-39页 |
| ·多类排序 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于潜在语义的文本层次分类 | 第40-52页 |
| ·文本层次分类现状 | 第40页 |
| ·主题抽取 | 第40-42页 |
| ·主题表示方法 | 第40-41页 |
| ·模型介绍 | 第41-42页 |
| ·潜在语义索引 | 第42-43页 |
| ·LSI原理 | 第42页 |
| ·LSI模型 | 第42-43页 |
| ·结合主题标签的层次分类法 | 第43-45页 |
| ·LSI主题类别标签 | 第43-44页 |
| ·算法理论分析 | 第44-45页 |
| ·层次分类模型 | 第45-46页 |
| ·实验分析 | 第46-51页 |
| ·数据集 | 第46-47页 |
| ·实验参数设置 | 第47页 |
| ·实验结果 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于改进隐马尔可夫模型的文本分类研究 | 第52-62页 |
| ·隐马尔可夫研究现状 | 第52-53页 |
| ·隐马尔可夫模型 | 第53-55页 |
| ·隐马尔可夫模型 | 第53-54页 |
| ·改进的隐马尔可夫模型 | 第54-55页 |
| ·基于改进隐马尔可夫模型的文本分类过程 | 第55-59页 |
| ·文本分类过程 | 第55页 |
| ·训练过程 | 第55-58页 |
| ·性能评价 | 第58-59页 |
| ·基于改进HMM文本信息抽取模型 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 层次分类法在案件信息分析中的应用 | 第62-78页 |
| ·案件侦查简介 | 第62页 |
| ·案件串并的作用和意义 | 第62-65页 |
| ·网上串并案件 | 第62-63页 |
| ·案件分析 | 第63-65页 |
| ·案件表示方法 | 第65-66页 |
| ·研究现状 | 第65页 |
| ·语义网表示法 | 第65-66页 |
| ·案件侦查蕴含的知识结构分析 | 第66-67页 |
| ·案件知识源分析 | 第66-67页 |
| ·案件文本信息的特点 | 第67页 |
| ·案件知识结构 | 第67页 |
| ·基于语义网的案件关联知识表示 | 第67-72页 |
| ·层次分类系统构建 | 第72-76页 |
| ·系统构成模块 | 第72-73页 |
| ·系统工作流程和结构 | 第73-76页 |
| ·层次分类体系 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-81页 |
| ·本文总结 | 第78-79页 |
| ·工作展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文 | 第90-92页 |
