| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 高血压文本分类的背景及意义 | 第10-11页 |
| 1.1.2 文本分类技术的背景及意义 | 第11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 高血压研究现状 | 第11-12页 |
| 1.2.2 文本分类技术研究现状 | 第12-14页 |
| 1.3 本文的工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 基于向量空间模型的文本分类 | 第16-34页 |
| 2.1 文本分类的过程 | 第16-17页 |
| 2.2 文本预处理和向量空间模型 | 第17-24页 |
| 2.2.1 分词与停用词处理 | 第17-19页 |
| 2.2.2 空间向量表示 | 第19-22页 |
| 2.2.3 文本特征选择 | 第22-24页 |
| 2.3 文本分类方法 | 第24-30页 |
| 2.3.1 决策树分类法 | 第24-26页 |
| 2.3.2 K 邻近算法 | 第26-27页 |
| 2.3.3 支持向量机算法 | 第27-29页 |
| 2.3.4 朴素贝叶斯分类算法 | 第29页 |
| 2.3.5 其他文本分类算法 | 第29-30页 |
| 2.4 文本分类性能评估方法 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 朴素贝叶斯文本分类器 | 第34-48页 |
| 3.1 贝叶斯基础理论 | 第34-39页 |
| 3.1.1 贝叶斯定理 | 第35页 |
| 3.1.2 朴素贝叶斯分类器 | 第35-39页 |
| 3.2 高血压文本分类语料库建设 | 第39页 |
| 3.3 高血压信息词典建立 | 第39-40页 |
| 3.4 高血压朴素贝叶斯分类器的研究 | 第40-42页 |
| 3.4.1 高血压领域分类的特点 | 第40页 |
| 3.4.2 高血压文本分类器流程 | 第40-42页 |
| 3.4.3 高血压分类器实验效果 | 第42页 |
| 3.5 改进的加权朴素贝叶斯高血压文本分类器的设计 | 第42-47页 |
| 3.5.1 加权因子的引入 | 第42-43页 |
| 3.5.2 改进后的分类器效果分析 | 第43-45页 |
| 3.5.3 高血压词汇区分参数的引入 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 朴素贝叶斯高血压文本分类器的设计与实现 | 第48-54页 |
| 4.1 分类器设计目的 | 第48页 |
| 4.2 分类器总体框架 | 第48-49页 |
| 4.3 分类器实现模块 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 未来展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62页 |