【文章內(nèi)容簡(jiǎn)介】 ...................................................................................................7 、目前國(guó)內(nèi)外研究現(xiàn)狀 .............................................................................................7 、文本分類(lèi)的發(fā)展趨勢(shì)展望 .....................................................................................8 、本章小結(jié) .................................................................................................................8 第二章 文本分類(lèi)主要過(guò)程 ..............................................................................................9 、文本分類(lèi)的過(guò)程圖 .....................................................................................................9 、關(guān)于語(yǔ)料庫(kù) ...........................................................................................................10 、文本分類(lèi)語(yǔ)料庫(kù)介紹 .....................................................................................10 、文本分類(lèi)，訓(xùn)練階段的主要步驟 .................................................................10 、文本分類(lèi)，分類(lèi)（測(cè)試）階段的主要過(guò)程 .................................................10 、關(guān)于文本分詞 .......................................................................................................10 、文本空間 向量的形成 ........................................................................................... 11 、 VSM（ Vector Space Model） ........................................................................ 11 、常見(jiàn)的權(quán)值計(jì)算方法 .....................................................................................12 、布爾框架（ Booolean weighting） ........................................................ 12 、 TFIDF 計(jì)算權(quán)值算法 ......................................................................... 12 、詞典 .................................................................................................................14 、用戶詞典 ........................................................................................... 14 、停用詞詞典 ........................................................................................ 14 、常用的降維方法 ...................................................................................................14 、信息增益方法 .................................................................................................15 、互信息方法 .....................................................................................................16 、期望交叉熵方法 .............................................................................................17 、 X^2 統(tǒng)計(jì)方法 .................................................................................................17 、文本證據(jù)權(quán)方法 .............................................................................................18 、本章小結(jié) ...............................................................................................................18 西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 4 第三章 常用的文本分類(lèi)方法 ........................................................................................19 、 k 臨近分類(lèi)器 ........................................................................................................19 、 KNN 算法概述 ...............................................................................................19 、 KNN 算法用于文本分類(lèi)器構(gòu)造 ...................................................................19 、 KNN 算法用于分類(lèi) .......................................................................................20 、 KNN 算法效果評(píng)價(jià) .......................................................................................20 、支持向量機(jī)分類(lèi)器 ...............................................................................................21 、 SVM 算法概述 ...............................................................................................21 、 SVM 構(gòu)造分類(lèi)器 ...........................................................................................21 、線性可分 ........................................................................................... 21 、線性不可分 ........................................................................................ 22 、映射函數(shù)（核函數(shù)） .......................................................................... 23 、 SVM 分類(lèi)評(píng)價(jià) ...............................................................................................24 、決策樹(shù)算法分類(lèi)器 ...............................................................................................24 、決策樹(shù)概述 .....................................................................................................24 、決策樹(shù)分類(lèi)器的構(gòu)造 .....................................................................................26 、決策樹(shù)分類(lèi)器的構(gòu)造 .....................................................................................27 、樸素貝葉斯分類(lèi)器 ...............................................................................................27 、貝葉斯算法原理 .............................................................................................27 、貝葉斯分類(lèi)器 .................................................................................................28 、貝葉斯進(jìn)行分類(lèi) .............................................................................................28 、 BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器 .............................................................................................29 、 BP 神經(jīng)網(wǎng)絡(luò)原理 ...........................................................................................29 、 BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器 .......................................................................................30 、 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi) ...................................................................................31 、本章小結(jié) ...............................................................................................................31 第四章 試驗(yàn)結(jié)果分析統(tǒng)計(jì) ............................................................................................32 、試驗(yàn)結(jié)果評(píng)估指標(biāo)簡(jiǎn)介 .......................................................................................32 、使用 KNN 分類(lèi)算法部分結(jié)果分析 ....................................................................32 、訓(xùn)練總篇數(shù)對(duì)分類(lèi)結(jié)果的影響 .....................................................................32 、不