文本分类技术研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

文本分类技术研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 相关研究介绍4

1.2.1 不均衡分类4

1.2.2 基于文本的半监督学习7

1.2.3 主题句提取10

1.3 本书的组织结构11

第2章 文本分类技术14

2.1 问题描述14

2.2 文本预处理16

2.3 文本表示18

2.3.1 向量空间模型18

2.3.2 特征选择19

2.3.3 特征权重计算23

2.4 文本分类器25

2.4.1 Rocchio分类器26

2.4.2 Na？ve Bayes分类器27

2.4.3 KNN分类器28

2.4.4 关联规则30

2.4.5 决策树33

2.4.6 支持向量机35

2.4.7 Logistic回归39

2.4.8 分类器集成41

2.5 文本分类公共测试数据集42

2.6 分类性能评估43

2.6.1 评估方法43

2.6.2 评估指标44

2.7 本章小结48

第3章 蛋白质相互作用文本信息处理49

3.1 引言49

3.2 蛋白质相互作用资源库50

3.3 信息处理技术在蛋白质相互作用信息抽取中的应用53

3.4 本章小结56

第4章 基于不均衡数据集的文本分类58

4.1 引言58

4.2 基于特征类别分布的权重计算59

4.2.1 传统TFIDF权重算法分析59

4.2.2 已有的TFIDF的相关改进61

4.2.3 基于特征类别分布的权重计算63

4.3 基于I_TFIDF的SVM应用66

4.3.1 实验数据集66

4.3.2 SVM上I_TFIDF与其他权重算法的比较68

4.3.3 实验结果与分析70

4.3.4 实验结论76

4.4 基于I_TFIDF的改进KNN77

4.4.1 引言77

4.4.2 基于I_TFIDF的KNN78

4.4.3 实验设计79

4.4.4 实验结果与分析80

4.4.5 实验结论84

4.5 Logistic回归的自适应决策阈值选择87

4.5.1 引言87

4.5.2 自适应学习决策阈值的算法87

4.5.3 实验设计90

4.5.4 实验结果与分析90

4.5.5 实验结论93

4.6 本章小结93

第5章 基于混合模型的主题句提取94

5.1 引言94

5.2 基于混合模型的主题句提取算法97

5.3 实验数据集100

5.4 实验设计101

5.5 实验结果分析103

5.6 实验结论105

第6章 基于文本的半监督学习106

6.1 引言106

6.2 相关研究106

6.3 半监督学习数据集109

6.4 不均衡数据比例的分类比较110

6.5 提出的半监督学习算法118

6.5.1 AdaBoost算法118

6.5.2 提出的基于Boosting的半监督学习方法119

6.5.3 实验设计122

6.5.4 实验结果与分析124

6.5.5 实验结论130

6.6 本章小结130

第7章 文本分类工具131

7.1 Libsvm131

7.1.1 Libsvm简介131

7.1.2 Libsvm使用方法131

7.2 Rainbow134

7.2.1 Rainbow简介134

7.2.2 Rainbow使用方法135

参考文献140