| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 相关技术与理论 | 第14-23页 |
| 2.1 文本表示模型 | 第14-16页 |
| 2.1.1 向量空间模型 | 第14-15页 |
| 2.1.2 向量权重计算方法 | 第15-16页 |
| 2.2 特征选择 | 第16-19页 |
| 2.2.1 基于文档频率的特征选择方法 | 第16-17页 |
| 2.2.2 信息增益法 | 第17-18页 |
| 2.2.3 X~2统计量法 | 第18页 |
| 2.2.4 互信息法 | 第18-19页 |
| 2.3 常用的分类方法 | 第19-22页 |
| 2.3.1 支持向量机 | 第19-21页 |
| 2.3.2 朴素贝叶斯 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于LDA的短文本特征扩展 | 第23-38页 |
| 3.1 LDA模型的详细描述 | 第23-25页 |
| 3.2 应用LDA的语义分析 | 第25-28页 |
| 3.2.1 Gibbs抽样 | 第25-26页 |
| 3.2.2 Dirichlet分布 | 第26-27页 |
| 3.2.3 LDA模型的参数 | 第27-28页 |
| 3.3 数据的获取和表示 | 第28-32页 |
| 3.3.1 数据获取 | 第29页 |
| 3.3.2 数据预处理 | 第29-31页 |
| 3.3.3 数据的特征选择 | 第31-32页 |
| 3.4 基于LDA的主题分布进行特征扩展 | 第32-36页 |
| 3.4.1 LDA模型的主题-词分布 | 第32-35页 |
| 3.4.2 根据LDA的主题进行特征词扩展 | 第35-36页 |
| 3.5 基于LDA进行特征扩展的局限性 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于特征分类权重的自选机制 | 第38-49页 |
| 4.1 特征分类权重 | 第38-42页 |
| 4.1.1 特征词的类间分布 | 第39-40页 |
| 4.1.2 特征词的类内离散度 | 第40页 |
| 4.1.3 特征词的不完全分类的权重 | 第40-41页 |
| 4.1.4 特征词的分类权重及相关性计算 | 第41-42页 |
| 4.2 特征自选机制 | 第42-48页 |
| 4.2.1 特征项与文档的相关性计算 | 第42-43页 |
| 4.2.2 基于特征项与文档分类相关性的特征自选机制 | 第43-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 短文本分类实验 | 第49-58页 |
| 5.1 短文本分类 | 第49-50页 |
| 5.2 实验数据准备 | 第50-51页 |
| 5.3 分类评价标准 | 第51-54页 |
| 5.4 实验结果分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-61页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |