文本分类停用词处理和特征选择技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的内容结构及主要工作 | 第16-18页 |
| 1.3.1 本文的主要研究内容 | 第16-17页 |
| 1.3.2 本文的内容结构 | 第17-18页 |
| 第二章 文本分类的理论和相关技术 | 第18-34页 |
| 2.1 中文文本分类相关技术 | 第18-19页 |
| 2.2 中文文本分类的难点 | 第19页 |
| 2.3 中文文本分类流程 | 第19-21页 |
| 2.4 文本预处理 | 第21-23页 |
| 2.4.1 中文分词技术 | 第21-22页 |
| 2.4.2 去停用词 | 第22-23页 |
| 2.5 文本维度规约 | 第23-27页 |
| 2.5.1 特征提取 | 第23-24页 |
| 2.5.2 特征选择 | 第24-27页 |
| 2.6 文本表示 | 第27-28页 |
| 2.6.1 向量空间模型 | 第27-28页 |
| 2.6.2 基于文本关键字的文本表示模型 | 第28页 |
| 2.7 特征权重计算 | 第28-29页 |
| 2.7.1 布尔权重 | 第28页 |
| 2.7.2 词频权重 | 第28-29页 |
| 2.7.3 TF-IDF权重计算 | 第29页 |
| 2.8 分类算法 | 第29-31页 |
| 2.8.1K-近邻算法 | 第29-30页 |
| 2.8.2 朴素贝叶斯 | 第30页 |
| 2.8.3 支持向量机 | 第30-31页 |
| 2.9 分类器性能评价指标和性能评估 | 第31-33页 |
| 2.9.1 分类器性能评价指标 | 第31-32页 |
| 2.9.2 分类器的性能评估 | 第32-33页 |
| 2.10 本章小结 | 第33-34页 |
| 第三章 结合语料库停用词处理 | 第34-44页 |
| 3.1 传统停用词 | 第34-35页 |
| 3.2 基于差异系数的停用词处理 | 第35-37页 |
| 3.3 实验 | 第37-40页 |
| 3.3.1 实验数据 | 第37页 |
| 3.3.2 实验步骤 | 第37-40页 |
| 3.4 实验结果与分析 | 第40-42页 |
| 3.4.1 生成的停用词集合 | 第40页 |
| 3.4.2 交叉验证和参数寻优 | 第40-41页 |
| 3.4.3 测试集结果比较 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 卡方检验特征选择 | 第44-54页 |
| 4.1 传统的卡方检验特征选择 | 第44-45页 |
| 4.2 改进的卡方检验 | 第45-47页 |
| 4.2.1 特征词的标准分数 | 第45-46页 |
| 4.2.2 类内特征词分布 | 第46-47页 |
| 4.3 实验 | 第47-52页 |
| 4.3.1 实验步骤 | 第47-48页 |
| 4.3.2 实验结果分析 | 第48-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |
