| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外相关研究的现状 | 第11-12页 |
| ·文本分类研究现状 | 第11-12页 |
| ·网络舆情 | 第12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 文本分类相关研究 | 第15-33页 |
| ·文本预处理 | 第16-18页 |
| ·文本表示模型 | 第18-20页 |
| ·文本特征选择 | 第20-24页 |
| ·常用文本分类算法 | 第24-30页 |
| ·分类结果性能评估 | 第30-31页 |
| ·网络文本分类特点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于互信息理论的待选特征词组合 | 第33-43页 |
| ·研究背景 | 第33-34页 |
| ·信息论在文本分类中的应用 | 第34-37页 |
| ·信息论与文本分类的联系 | 第34-35页 |
| ·文本内词间互信息量 | 第35-37页 |
| ·基于互信息量对原始特征词的组合 | 第37-41页 |
| ·待选特征词的选择性组合 | 第37-38页 |
| ·基于互信息量组合算法Word_MI | 第38-39页 |
| ·相关实验研究 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 非平衡分类中的抽样和特征选择算法的改进 | 第43-54页 |
| ·问题背景 | 第43-44页 |
| ·非平衡数据分类相关研究 | 第44-46页 |
| ·非平衡数据分类困难的原因 | 第44页 |
| ·非平衡数据分类解决方法 | 第44-46页 |
| ·基于类比例系数的自动抽样 | 第46-49页 |
| ·抽样的基本概念 | 第46-47页 |
| ·基于类比例的自动抽样算法AVG_Sampling | 第47-49页 |
| ·基于类间文档频对CHI 特征选择算法的改进 | 第49-50页 |
| ·特征词文档频对文本分类的影响 | 第49-50页 |
| ·基于类间文档频对CHI 算法的改进：CHI_CF | 第50页 |
| ·实验分析 | 第50-53页 |
| ·非平衡分类评价标准 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 原型系统设计 | 第54-62页 |
| ·UIMA 架构简介 | 第54-57页 |
| ·UIMA 基本概念 | 第55-56页 |
| ·UIMA 相关工具集 | 第56-57页 |
| ·基于UIMA 的网络文本分类原型系统 | 第57-61页 |
| ·文本分类系统整体设计 | 第57-58页 |
| ·预处理模块 | 第58-59页 |
| ·分类器创建模块 | 第59-60页 |
| ·文本分类模块 | 第60-61页 |
| ·本章小节 | 第61-62页 |
| 第六章 结束语 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69-70页 |
| 作者在学期间参加的科研工作 | 第70页 |