基于改进TFIDF的混合模型文本分类方法研究



基于改进TFIDF的混合模型文本分类方法研究

分类：教育论文网→工业技术论文→自动化技术、计算机技术论文→计算技术、计算机技术论文→计算机的应用论文→信息处理（信息加工）论文→文字信息处理论文

基于改进TFIDF的混合模型文本分类方法研究

论文目录
摘要	第1-6页
Abstract	第6-10页
第一章绪论	第10-14页
1.1 研究背景及意义	第10-11页
1.1.1 研究背景	第10页
1.1.2 研究意义	第10-11页
1.2 国内外研究现状	第11-12页
1.3 主要研究内容及工作	第12-13页
1.4 论文组织结构	第13-14页
第二章改进的TFIDF方法	第14-22页
2.1 文本表示	第14-15页
2.2 常见的特征选择方法	第15-18页
2.2.1 文档频率	第15页
2.2.2 信息增益	第15-16页
2.2.3 卡方统计量	第16-17页
2.2.4 互信息法	第17页
2.2.5 TFIDF	第17-18页
2.3 TFIDF的改进方法	第18-21页
2.3.1 TFIDF的不足	第18-19页
2.3.2 TFIDFCV方法	第19-21页
2.4 本章小结	第21-22页
第三章混合模型文本分类方法研究	第22-32页
3.1 主题模型的发展	第22-27页
3.1.1 LSA模型	第22-24页
3.1.2 PLSA模型	第24-26页
3.1.3 LDA模型	第26-27页
3.2 PST-LDA	第27-29页
3.3 混合模型分类方法	第29-31页
3.4 本章小结	第31-32页
第四章实验设计与结果分析	第32-49页
4.1 实验准备	第32-34页
4.1.1 语料库选择	第32页
4.1.2 语料库预处理	第32-34页
4.1.3 实验环境	第34页
4.2 分类器的选择	第34-39页
4.2.1 常见的分类方法	第34-37页
4.2.2 LIBSVM简介	第37-39页
4.3 分类评价标准	第39-41页
4.3.1 正确率与召回率	第39-40页
4.3.2 F测度	第40页
4.3.3 宏平均及微平均	第40-41页
4.4 特征选择方法实验	第41-43页
4.5 混合模型分类实验	第43-48页
4.5.1 LDA建模相关参数	第43-45页
4.5.2 PST-LDA中的最佳词集组合	第45-46页
4.5.3 TFIDFCV选择特征的比例	第46页
4.5.4 实验结果分析	第46-48页
4.6 本章小结	第48-49页
第五章总结与展望	第49-50页
参考文献	第50-54页
在校期间发表的论文、科研成果	第54-55页
致谢	第55页

本篇论文共55页，点击这进入下载页面。

更多论文
基于改进TFIDF的混合模型文本分类方
基于超图的文本摘要与关键词协同抽
基于语义指纹和云模型的动态词义变
基于语义指纹关联的网络事件热度分
基于语义分析的文本检索模型技术研
中文短文本实体识别和链接研究
改进的互信息与LDA结合的特征降维方
汉语复句中基于语料统计的决策式依
基于关系词搭配的汉语复句依存关系
中文微博评论对象抽取研究
基于社交网络文本分析的短期股市行
基于微信公众号的文本分类研究
基于VSM模型和ILDA模型联合建模的新
基于Scrapy爬取电商平台数据及自动
面向移动互联网的文本分类技术应用
深度重启的Arnoldi加速的PageRank方
基于要素投影的事件本体形式化方法
基于深度学习的短信分类技术研究
分类学术文献搜索引擎的应用和研究
基于领域本体的客服问答系统的设计
基于社交网络信任度的协同过滤推荐
基于深度神经网络的统计机器翻译模
中文文本实体关系抽取方法研究
基于多语言模型融合的鲁棒手写后处
基于依存关系的语义表示方法研究
面向社会媒体的高校网络舆情分析系
基于分布式表示的汉语问答系统
微博情绪分类的关键技术研究
面向多通道爬虫的Web信息抽取技术研
基于深度学习的文本情感分析研究
面向中文文本的情感分析方法研究
基于内容的电子书和作者推荐方法研
基于情绪认知常识库的文本情绪原因
基于本体的健康知识库自动构建方法
基于分布式平台的个性化推荐系统研
长文本的复杂指标提取方法
基于递归神经网络的英文手写输入法
面向《大词林》的中文实体关系挖掘
融合外部知识的中文命名实体识别研
基于深度语义特征的情感分析研究
面向对话文本的主题分割技术研究
基于深度学习的问题分类的研究
微博用户兴趣识别技术的研究与应用
基于深度神经网络的文本蕴含识别及
基于深度学习的自然语言句法分析研
基于词向量和LSTM的汉语零指代消解
面向军事领域的命名实体识别及相关
基于中文电子病历的跨科室组块分析
基础语言类问题求解关键技术研究
评价对象识别模型与方法研究
中文电子病历实体关系抽取研究
基于Word2Vec的中文问句检索技术研
面向微博事件的民众情绪分类及原因
基于机器学习的微博评论信息倾向性

特征选择论文特征提取论文
版权申明：目录由用户lanbaos**提供，www.51papers.com仅收录目录，作者需要删除这篇论文目录请点击这里。
\| 设为首页\|\|加入收藏\|\|站内搜索引擎\|\|站点地图\|\|在线购卡\|
版权所有教育论文网 Copyright(C) All Rights Reserved