短文本分类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-12页 |
| ·研究背景 | 第6-7页 |
| ·文本分类的发展 | 第7-8页 |
| ·文本分类的研究现状 | 第8-9页 |
| ·国外研究现状 | 第8页 |
| ·国内研究现状 | 第8-9页 |
| ·当前需突破的问题 | 第9-10页 |
| ·本论文研究的主要内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 文本分类相关技术 | 第12-19页 |
| ·训练文档集 | 第12-13页 |
| ·文档特征表示 | 第13-14页 |
| ·特征提取 | 第14-17页 |
| ·文档频率(DF) | 第15页 |
| ·信息增益(IG) | 第15页 |
| ·互信息(MI) | 第15-16页 |
| ·x~2统计量(CHI) | 第16-17页 |
| ·期望交叉熵(CE) | 第17页 |
| ·分类算法 | 第17页 |
| ·分类评估模型 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 分类算法比较 | 第19-25页 |
| ·最近K邻居方法(k-NN) | 第19-20页 |
| ·朴素贝叶斯算法(NB) | 第20页 |
| ·支持向量机(SVM) | 第20-22页 |
| ·人工神经网络方法(ANN) | 第22页 |
| ·决策树模型 | 第22-23页 |
| ·实验测试及分析 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第四章 基于支持向量机的多值分类 | 第25-38页 |
| ·理论基础—统计学习理论 | 第25-29页 |
| ·学习过程的一致性 | 第26-27页 |
| ·VC维和推广性的界 | 第27-28页 |
| ·结构风险最小化 | 第28-29页 |
| ·支持向量机 | 第29-34页 |
| ·线性支持向量机 | 第29-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·核函数 | 第31-32页 |
| ·多类支持向量机 | 第32-34页 |
| ·基于类别层次结构的多值分类算法 | 第34-35页 |
| ·实验测试与分析 | 第35-36页 |
| ·实验 | 第35-36页 |
| ·结果分析 | 第36页 |
| ·小结 | 第36-38页 |
| 第五章 基于词关联的短文本分类 | 第38-45页 |
| ·关联规则 | 第38-40页 |
| ·Apriori算法 | 第40-41页 |
| ·基于词关联文本分类 | 第41-44页 |
| ·文本预处理 | 第41-42页 |
| ·分类的关联规则挖掘 | 第42-43页 |
| ·新文档分类 | 第43-44页 |
| ·实验测试与分析 | 第44页 |
| ·小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
