中文文本自动分类研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10页 |
| ·文本分类系统的研究现状 | 第10-13页 |
| ·文本分类系统的问题描述 | 第13-14页 |
| ·系统任务 | 第13页 |
| ·评价方式 | 第13-14页 |
| ·本文的研究内容与研究方法 | 第14-15页 |
| ·本文的内容安排 | 第15-17页 |
| 2 中文文本自动分类的技术介绍 | 第17-26页 |
| ·文本分类的相关定义 | 第17页 |
| ·文本分类的两种类型 | 第17-18页 |
| ·机器学习方法 | 第18页 |
| ·向量空间模型 | 第18-21页 |
| ·项权重 | 第19页 |
| ·向量间相似度度量 | 第19-20页 |
| ·向量空间模型的优势 | 第20-21页 |
| ·中文自动分词 | 第21-26页 |
| ·基于知识的分词方法 | 第21页 |
| ·基于统计的分词方法 | 第21-22页 |
| ·基于词典匹配的分词方法 | 第22-23页 |
| ·消除歧义 | 第23-24页 |
| ·未登录词 | 第24-26页 |
| 3 文本分类的关键技术 | 第26-33页 |
| ·项的权重 | 第26-27页 |
| ·特征选择 | 第27-29页 |
| ·DF | 第27页 |
| ·IG信息增益 | 第27-28页 |
| ·MI互信息 | 第28-29页 |
| ·χ~2统计量(也叫CHI) | 第29页 |
| ·常用分类算法 | 第29-30页 |
| ·文本分类模型 | 第29-30页 |
| ·几种分类算法的研究 | 第30页 |
| ·文本分类的评估指标 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 中文文本自动分类系统的设计与实现 | 第33-55页 |
| ·系统简介 | 第33-34页 |
| ·中文自动分词 | 第34-38页 |
| ·本系统的分词工具 | 第34-35页 |
| ·分词词典 | 第35-37页 |
| ·分词算法 | 第37-38页 |
| ·分词算法的切分效果示例 | 第38页 |
| ·文本信息统计模块 | 第38-42页 |
| ·文本信息统计模块的意义 | 第39页 |
| ·文本信息统计模块中的类结构 | 第39-41页 |
| ·文本信息统计模块的工作流程 | 第41-42页 |
| ·特征选择 | 第42-46页 |
| ·传统的MI | 第42页 |
| ·改进的MI | 第42-43页 |
| ·传统的组合特征选择 | 第43-45页 |
| ·改进的组合特征提取 | 第45-46页 |
| ·特征权重计算 | 第46-47页 |
| ·传统的TFIDF权重 | 第46-47页 |
| ·分类算法 | 第47-52页 |
| ·传统的KNN算法 | 第47-48页 |
| ·KNN算法的特点 | 第48-49页 |
| ·改进的KNN算法 | 第49-52页 |
| ·评价方式 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 5 实验及分析 | 第55-71页 |
| ·实验所用语料集 | 第55-56页 |
| ·改进的MI特征选择算法 | 第56-58页 |
| ·改进的组合特征选择算法效果 | 第58-61页 |
| ·改进的KNN算法分类效果 | 第61-66页 |
| ·各模块改进算法组合效果 | 第66-71页 |
| 6 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78页 |
