中文垃圾短文本的自动识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 引言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 2. 相关研究 | 第15-22页 |
| 2.1 常用分类算法 | 第15-19页 |
| 2.1.1 朴素贝叶斯 | 第15页 |
| 2.1.2 决策树 | 第15-16页 |
| 2.1.3 逻辑回归 | 第16页 |
| 2.1.4 BP神经网络 | 第16-17页 |
| 2.1.5 支持向量机 | 第17-19页 |
| 2.2 集成学习算法 | 第19-20页 |
| 2.2.1 随机森林 | 第19页 |
| 2.2.2 Adaboost | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3. 垃圾短文本的识别方法研究 | 第22-38页 |
| 3.1 预处理 | 第22-24页 |
| 3.2 特征提取 | 第24-35页 |
| 3.2.1 短信特征提取 | 第25-29页 |
| 3.2.2 评论特征提取 | 第29-35页 |
| 3.3“随机森林+Adaboost”算法 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4. 垃圾短文本识别的实验及结果分析 | 第38-51页 |
| 4.1 垃圾短信的识别 | 第38-44页 |
| 4.1.1 垃圾短信识别过程 | 第38-39页 |
| 4.1.2 实验数据及评估指标 | 第39-40页 |
| 4.1.3 实验及结果分析 | 第40-44页 |
| 4.2 垃圾商品评论的识别 | 第44-50页 |
| 4.2.1 垃圾评论识别过程 | 第44-45页 |
| 4.2.2 实验数据及评估指标 | 第45-46页 |
| 4.2.3 实验及结果分析 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5. 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 个人履历、在校期间发表的学术论文 | 第56-57页 |
| 个人履历 | 第56页 |
| 在校期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
