文摘
英文文摘
声明
第一章绪论
1.1 引言
1.2 国外研究现状
1.3 国内研究现状
1.4 本文的研究内容
1.5 本文的组织结构
第二章支持向量机理论介绍
2.1 引言
2.2 统计学习理论
2.3 支持向量机概述
2.3.1 最优分类超平面
2.3.2 广义最优分类超平面
2.3.3 核函数
2.3.4 模型选择
2.4 多类问题中的SVM
2.4.1 多类问题中SVM组合策略
2.4.2 常用多类SVM分析比较
第三章文本分类相关知识
3.1 文本表示模型
3.1.1 文本特征表示
3.1.2 向量空间模型
3.2 文本分类算法总结
3.2.1 统计方法
3.2.2 规则方法
3.3 评价指标
3.3.1 召回率与精确率
3.3.2 BEP与F-Measure
3.3.3 微平均与宏平均
3.4 特征选择
第四章基于关系权重的文本表示法
4.1 经典的文本表示法
4.2 关系权重的定义与表示
4.3 关系权重的计算
第五章 基于关系权重的SVM文本分类系统
5.1 系统总体设计
5.2 分词
5.3 去停用词
5.4 词频统计
5.5 文本排重
5.6 特征项提取
5.7 特征项权重计算
5.8 分类学习
5.9 分类测试
5.10 分类结果评估
第六章 系统实现与实验结果
6.1 实验环境
6.2 SVM实验平台
6.2.1 LIBSVM软件包简介
6.2.2 LIBSVM使用方法简介
6.2.3 LIBSVM使用的数据格式
6.3 实验数据
6.4 实验结果与分析
第七章总结与展望
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间参加的项目
致 谢