- 作 者：胥桂仙著
- 出 版 社：北京：中央民族大学出版社
- 出版年份：2010
- ISBN：9787811088427
- 标注页数：156 页
- PDF页数：167 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源167 ≥156页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
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KNN 77
4.4.1 引言 77
4.4.2 基于I_TFIDF的KNN 78
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 Libsvm 131
7.1.1 Libsvm简介 131
7.1.2 Libsvm使用方法 131
7.2 Rainbow 134
7.2.1 Rainbow简介 134
7.2.2 Rainbow使用方法 135
参考文献 140