| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究目的及意义 | 第9页 |
| 1.2 文本分类国内外研究现状 | 第9-11页 |
| 1.3 特征提取方法国内外研究现状 | 第11-12页 |
| 1.4 本文研究内容和组织结构 | 第12-14页 |
| 2 特征提取方法及文本分类相关技术 | 第14-28页 |
| 2.1 文本分类定义及流程 | 第14-15页 |
| 2.2 数据预处理 | 第15-17页 |
| 2.2.1 分词 | 第15-16页 |
| 2.2.2 停用词 | 第16-17页 |
| 2.3 文本表示 | 第17-18页 |
| 2.3.1 布尔模型 | 第17页 |
| 2.3.2 向量空间模型 | 第17-18页 |
| 2.4 特征选择和特征提取以及权重计算 | 第18-22页 |
| 2.4.1 特征选择 | 第18-19页 |
| 2.4.2 特征提取 | 第19-20页 |
| 2.4.3 特征权重计算 | 第20-22页 |
| 2.5 分类器 | 第22-24页 |
| 2.5.1 K最近邻 | 第22页 |
| 2.5.2 朴素贝叶斯 | 第22-23页 |
| 2.5.3 支持向量机 | 第23-24页 |
| 2.5.4 决策树 | 第24页 |
| 2.6 性能评估 | 第24-27页 |
| 2.6.1 评价方法 | 第24-25页 |
| 2.6.2 评价指标 | 第25-27页 |
| 2.7 本章小结 | 第27-28页 |
| 3 文本分类中基于K-Sprinkling的特征提取方法 | 第28-43页 |
| 3.1 概述 | 第28-29页 |
| 3.2 K-Sprinkling特征抽取方法 | 第29-34页 |
| 3.2.1 Sprinkling特征提取方法 | 第29-31页 |
| 3.2.2 K-Sprinkling特征提取方法 | 第31-34页 |
| 3.3 实验过程与结果分析 | 第34-42页 |
| 3.3.1 实验数据 | 第34-36页 |
| 3.3.2 数据预处理 | 第36-37页 |
| 3.3.3 评价指标 | 第37页 |
| 3.3.4 实验分析 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 多类型分类器融合的文本分类方法研究 | 第43-58页 |
| 4.1 概述 | 第43-44页 |
| 4.2 多类型分类器融合的文本分类方法 | 第44-50页 |
| 4.2.1 特征提取方法 | 第44-46页 |
| 4.2.2 多类型分类器融合方法原理 | 第46-47页 |
| 4.2.3 类别加权多类型分类器融合 | 第47-49页 |
| 4.2.4 类别加权多类型分类器的算法步骤 | 第49-50页 |
| 4.3 实验过程与结果分析 | 第50-56页 |
| 4.3.1 实验数据 | 第51页 |
| 4.3.2 数据预处理 | 第51-53页 |
| 4.3.3 实验分析 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |