中文文本自动分类系统研究—汉语分词及分类器的设计
| 第一章 绪论 | 第1-17页 |
| ·引言 | 第10-11页 |
| ·关键技术 | 第11-15页 |
| ·中文词语分析 | 第11页 |
| ·文本的表示 | 第11-12页 |
| ·特征项的抽取 | 第12-13页 |
| ·分类器的设计 | 第13-14页 |
| ·评价算法 | 第14-15页 |
| ·系统性能评估 | 第15-16页 |
| ·中文文本自动分类系统模型 | 第16页 |
| ·本文的研究内容 | 第16-17页 |
| 第二章 汉语自动分词技术研究 | 第17-46页 |
| ·引言 | 第17-18页 |
| ·分词系统实现的基本思想 | 第18页 |
| ·分词系统的基本框架 | 第18页 |
| ·词语粗切分 | 第18-29页 |
| ·基于N-最短路径的非统计粗分模型 | 第19-21页 |
| ·基本思想 | 第19页 |
| ·模型求解 | 第19-20页 |
| ·N-最短路径求解与复杂度分析 | 第20-21页 |
| ·基于N-最短路径的一元统计粗分模型 | 第21-23页 |
| ·基本原理 | 第21-22页 |
| ·一元统计粗分模型的求解与实现 | 第22-23页 |
| ·N-最短路径方法与常用方法的对比分析 | 第23-24页 |
| ·N-最短路径一元统计粗分方法的试验及结果分析 | 第24-29页 |
| ·句子正确粗分的评价标准 | 第24-25页 |
| ·N-最短路径一元统计方法程序实现的类 | 第25-28页 |
| ·N-最短路径一元统计方法及常用方法的粗分试验 | 第28-29页 |
| ·未登录词识别 | 第29-37页 |
| ·数词短语识别 | 第30-31页 |
| ·叠字词识别 | 第31-32页 |
| ·人名、地名、译名的识别 | 第32-36页 |
| ·局部统计量 | 第32-33页 |
| ·候选字段的选择 | 第33页 |
| ·评价函数 | 第33-34页 |
| ·Viterbi算法简介 | 第34-35页 |
| ·信息标注 | 第35-36页 |
| ·识别出的名字概率计算 | 第36页 |
| ·未登录词识别程序实现的类 | 第36-37页 |
| ·未登录词识别的测试 | 第37页 |
| ·词性标注排歧 | 第37-43页 |
| ·隐马尔科夫模型(HMM)简介 | 第38-39页 |
| ·具体实现 | 第39-41页 |
| ·实现的算法 | 第39页 |
| ·片断词性序列的概率计算 | 第39-40页 |
| ·词性标注排歧程序实现的类 | 第40-41页 |
| ·词性标注排歧的测试分析 | 第41-43页 |
| ·汉语自动分词测试系统 | 第43-46页 |
| 第三章 分类器的设计 | 第46-64页 |
| ·引言 | 第46页 |
| ·最近中心方法 | 第46-47页 |
| ·Bayes方法 | 第47页 |
| ·KNN方法 | 第47-48页 |
| ·支持向量机方法 | 第48-64页 |
| ·SVM的基本原理 | 第49-53页 |
| ·线性可分 | 第49-51页 |
| ·线性不可分 | 第51-53页 |
| ·分类器的基本设计思想 | 第53-54页 |
| ·分类器的实现 | 第54-64页 |
| ·分类类别的确定 | 第54-55页 |
| ·特征词的抽取 | 第55-57页 |
| ·样本集的特征向量数字化表示 | 第57-59页 |
| ·分类工程文件的生成 | 第59页 |
| ·分类器的训练学习 | 第59-60页 |
| ·分类器的分类测试 | 第60-61页 |
| ·分类测试的结果及分析 | 第61-64页 |
| 第四章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·未来的工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致 谢 | 第69页 |
