文本挖掘中维数约简方法和分类模型研究

前言

第1章导论

1.1研究背景

1.2文本分类综述

1.3本书的内容结构

1.4本书的创新工作

第2章文本分类概述

2.1文本分类的数学定义

2.2文本分类任务的特点

2.3文本分类系统的组成

2.4文档预处理

2.5文档的表示

2.6常用文本分类模型

2.7文本分类器学习、测试和评价

第3章偏最小二乘回归方法的基本理论

3.1偏最小二乘回归的发展历史

3.2偏最小二乘回归的基本原理

3.3偏最小二乘回归的基本思想

3.4数学原理

3.5偏最小二乘回归的理论算法

3.6成分数的确定

第4章基于变量投影重要性指标的特征选择方法研究

4.1维数约简技术

4.2符号约定

4.3常用的特征选择方法

4.4常用的特征抽取方法

4.5基于变量投影重要性指标的特征选择方法

4.6实验结果和分析

第5章偏最小二乘Logistic文本分类模型研究

5.1Logistic回归模型

5.2偏最小二乘Logistic回归模型

5.3偏最小二乘Logistic文本分类模型

5.4实验结果和分析

第6章GHTC层次文本分类模型研究

6.1层次分类概述

6.2层次特征选择

6.3GHTC层次文本分类模型

6.4实验结果和分析

第7章总结与展望

7.1总结

7.2研究展望

附录1REUTERS-21578前10个常见类和前10个稀有类的前20个特征VIP值

附录2复旦文本分类语料库部分类别的前20个特征VIP值

附录3OHSUMED语料库层次结构

附录420Newsgroups语料库各节点各特征维数的微平均F1值和宏平均F1值变化情况

参考文献

后记

　　自动文本分类是将自然文本文件根据内容自动分为预先定义的一个或几个类别的过程，基于统计学习、机器学习的文本分类技术已经成为主流技术，本书对基于统计学习的文本分类及其相关技术进行了研究，为解决文本分类的稀疏性和高维性问题，基于偏最小二乘理论，提出一种新的维数约简算法，从提高文本分类性能和准确性出发，运用偏最小二乘的最新理论成果，提出了一种能较好提取潜在语义的新文本分类模型，对于数量庞大的文档类别，传统的平坦文本分类的性能受到很大的制约，层次文本分类是一种有效的解决方法，由此提出了一种新的层次文本分类模型。　　本书介绍了文本分类和偏最小二乘回归，提出了基于变量投影重要性指标的文本分类特征选择方法，论述了偏最小二乘Logistic文本分类模型，阐述了CHTC层次文本分类模型的研究工作，本书可供相关领域科研工作者、大学高年级学生和研究生阅读。