大规模层次分类中深层类别的分类算法研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 引言 | 第9-14页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.3 论文的主要研究工作及创新点 | 第12-13页 |
1.4 论文主要结构 | 第13-14页 |
2 层次文本分类技术 | 第14-29页 |
2.1 文本分类介绍 | 第14-20页 |
2.1.1 文本分类的定义 | 第14-15页 |
2.1.2 文本分类的流程 | 第15-16页 |
2.1.3 文本预处理 | 第16-17页 |
2.1.4 文本表示模型 | 第17-19页 |
2.1.5 特征选择 | 第19-20页 |
2.2 文本分类算法 | 第20-23页 |
2.2.1 KNN算法 | 第20-21页 |
2.2.2 SVM算法 | 第21-22页 |
2.2.3 其他分类算法 | 第22-23页 |
2.3 层次分类概述 | 第23-27页 |
2.3.1 层次分类的定义 | 第23-25页 |
2.3.2 层次分类的方法和原理 | 第25-26页 |
2.3.3 层次分类的评价标准 | 第26-27页 |
2.4 小结 | 第27-29页 |
3 深层次分类中候选类别搜索算法 | 第29-37页 |
3.1 相关工作 | 第29-30页 |
3.2 类别层次权重分析和特征项的动态更新 | 第30-34页 |
3.2.1 类别层次权重的计算 | 第30-31页 |
3.2.2 特征项的动态更新 | 第31-32页 |
3.2.3 特征项的类别区分能力 | 第32-34页 |
3.3 候选类别搜索算法 | 第34-36页 |
3.3.1 候选类别搜索中阈值的确定 | 第34-35页 |
3.3.2 候选搜索算法描述 | 第35-36页 |
3.4 小结 | 第36-37页 |
4 基于中心向量的多级分类KNN算法 | 第37-43页 |
4.1 KNN分类算法和基于密度的训练集调整方法 | 第37-39页 |
4.1.1 KNN算法的原理 | 第37页 |
4.1.2 基于密度的KNN训练集调整方法 | 第37-39页 |
4.2 改进类中心向量算法 | 第39-40页 |
4.3 多级分类器改进算法 | 第40-42页 |
4.3.1 改进算法思想描述 | 第40-41页 |
4.3.2 改进算法描述 | 第41-42页 |
4.4 小结 | 第42-43页 |
5 实验分析 | 第43-50页 |
5.1 深层次分类中候选类别搜索算法实验 | 第43-46页 |
5.1.1 特征项的有效性验证 | 第43-44页 |
5.1.2 候选类别搜索算法及分类准确率验证 | 第44-46页 |
5.2 基于中心向量的多级分类KNN算法实验 | 第46-49页 |
5.2.1 训练集调整前后裁减比例及分类性能比较 | 第46-47页 |
5.2.2 时间复杂度分析 | 第47-48页 |
5.2.3 对比实验分析 | 第48-49页 |
5.3 小结 | 第49-50页 |
结论 | 第50-52页 |
致谢 | 第52-53页 |
参考文献 | 第53-56页 |
攻读学位期间的研究成果 | 第56页 |