| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 当前研究重点 | 第14-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第二章 文本分类技术概述 | 第17-32页 |
| 2.1 文本分类的基本概念 | 第17页 |
| 2.2 文本分类的发展过程 | 第17-18页 |
| 2.3 文本分类的一般过程 | 第18-30页 |
| 2.3.1 文本预处理 | 第19-23页 |
| 2.3.2 文本表示 | 第23-25页 |
| 2.3.3 特征提取 | 第25-27页 |
| 2.3.4 权重分配 | 第27页 |
| 2.3.5 分类算法 | 第27-30页 |
| 2.4 评价文本分类系统的方法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 对传统权重分配算法的改进 | 第32-38页 |
| 3.1 引言 | 第32页 |
| 3.2 传统的非监督的权重分配算法 | 第32-35页 |
| 3.2.1 布尔权重(Boolean Weighting) | 第33页 |
| 3.2.2 TF-IDF 权重(TF-IDF Weighting) | 第33-35页 |
| 3.3 监督的权重分配方法 | 第35页 |
| 3.3.1 x~2 统计量方法(CHI-Square) | 第35页 |
| 3.3.2 信息增益(Information Gain) | 第35页 |
| 3.4 监督权重分配的应用 | 第35-36页 |
| 3.5 监督权重分配与KNN 算法的结合 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 改进的KNN 算法与实现 | 第38-50页 |
| 4.1 KNN 分类算法 | 第38-39页 |
| 4.2 KNN 分类算法的优缺点 | 第39-40页 |
| 4.3 本文提出的改进的KNN 分类算法 | 第40-48页 |
| 4.3.1 代表样本的概念 | 第40-42页 |
| 4.3.2 改进的代表样本生成策略 | 第42-45页 |
| 4.3.3 改进的算法 | 第45-47页 |
| 4.3.4 改进的KNN 算法流程 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 实验测试及结果分析 | 第50-58页 |
| 5.1 实验的训练集和测试集 | 第50页 |
| 5.2 系统实验各模块功能与设计 | 第50-52页 |
| 5.2.1 训练模块设计及功能 | 第50-51页 |
| 5.2.2 分类模块设计及功能 | 第51-52页 |
| 5.3 算法评估方法 | 第52-54页 |
| 5.4 实验结果 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 全文总结与展望 | 第58-60页 |
| 6.1 主要工作与结论 | 第58-59页 |
| 6.2 未来研究展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间已录用的论文 | 第63页 |
