中文文本挖掘基本理论与应用

【摘要】文本挖掘的应用前景十分广泛，中文文本较西方语言文本有其独特性，本文研究的对象是中文文本。此文首先对文本挖掘的背景和发展简要综述，并介绍中文文本挖掘的概念和流程，其中重点介绍了特征的提取、降维及分类算法。介绍了R中文本挖掘相关的包，以及CHQ’S文本多分类系统，并应用此系统对文档进行分类。本文重点是借助被广泛应用的开源工具构建自己的中文文本挖掘系统。根据中文文本挖掘的流程，详细的描述了自己对系统的探索，利用LTP系统进行分词，然后借助Weka的StringTOWordVector完成了从非结构化数据到结构化数据的转化，最后用LibSVM做中文文本多分类模型的训练和预测。
【作者】康东；
【导师】唐煜；
【作者基本信息】苏州大学，应用统计（专业学位），2014，硕士
【关键词】文本挖掘；文本分类；中文文本；

【参考文献】
[1]张永梅,韩焱,张建华.一种有效聚类算法的研究和实现[J].计算机应用,2005,07:1573-1576+1579.
[2]郑伟洁.灰色系统预测模型的构建及其实证应用[D].宁波大学,应用数学,2014,硕士.
[3]刘珉典.A Reporting on Translation Internship in Huawei Corporation[D].西安外国语大学,翻译,2013,硕士.
[4]陈欢.基于粗糙集的数据约简及规则提取[D].福州大学,2004.
[5]薛青晗.基于虚拟化技术的设备驱动映射协议研究[D].南京邮电大学,计算机应用,2013,硕士.
[6]王瑞飞.番茄抗病基因Ty-3的分子标记及其在辅助选择中的应用[D].河北科技大学,植物学,2013,硕士.
[7]温森来.福山凹陷地震资料处理──论采集、处理和解释人员一起参与处理的重要性[J].石油地球物理勘探,1998,S1:61-71+177.
[8]叶勇.三维约束Dix反演层速度方法及其应用研究[J].石油地球物理勘探,2008,04:443-446+367-368.
[9]柴天佑.多变量自校正解耦控制器的全局收敛性分析[J].自动化学报,1989,05:432-436.
[10]滕利荣,孟庆繁,逯家辉,程瑛琨,王贞佐.高等学校实验教学创新团队建设的思考[J].中国大学教学.2008(03)
[11]付景超,井元伟,张嗣瀛.一类离散功能性反应模型的混沌跟踪控制[J].控制与决策,2010,03:466-468+472.
[12]浦剑虹.胰岛素、胰高糖素在心衰中的变化[D].苏州大学,内科学,2002,硕士.
[13]李达.低发射度光阴极微波电子枪理论与实验研究[D].中国科学院研究生院（上海应用物理研究所）,粒子物理与原子核物理,2014,硕士.
[14]唐进元,范文学.氧化铝铁路罐车流态化卸车分析[J].铁道运营技术.2006(01)
[15]郭斯羽,吴铁军.基于模式分类的自学习生产调度知识库方法[J].系统工程理论与实践,2001,07:13-17+25.
[16]梁萌.大熊猫源细小病毒的分离鉴定与遗传进化分析[D].吉林大学,预防兽医学,2013,硕士.
[17]魏鹏.姜黄素对AD小鼠突触相关蛋白Shank1、PSD95表达的影响[D].北京中医药大学,中西医结合临床,2013,硕士.
[18]蔡增琰.Smac和XIAP在人脑胶质瘤组织中的表达及意义[D].兰州大学,外科学,2014,硕士.
[19]叶荔.用企业形象设计的力量活化芜湖老字号[D].安徽工程大学,设计艺术学,2012,硕士.
[20]刘小伟.诉讼诈骗的刑法规制[D].南昌大学,法律（专业学位）,2014,硕士.
[21]张灵.映秀青少年活动中心公共环境艺术研究[D].西南交通大学,设计艺术学,2013,硕士.
[22]曲晓琛.马克斯·雷格尔《第一中提琴无伴奏组曲（奏鸣曲）》的演奏技法研究[D].天津音乐学院,音乐表演,2014,硕士.
[23]朱光楠.基于聚类的搜索可视化呈现系统的设计与实现[D].北京邮电大学,计算机科学与技术,2013,硕士.
[24]武学丽.碳纳米材料表面接枝聚合物改性[D].兰州大学,2010.
[25]蔡希玲.俞氏子波在地震数据处理中的应用研究[J].石油地球物理勘探,2000,04:497-507+544.
[26]李春林.混合动力叉车能耗模型与仿真研究[D].合肥工业大学,车辆工程,2013,硕士.
[27]温雅君.”协同教学”模式下韩国高中生汉语词汇学习策略[D].广西师范大学,汉语国际教育,2013,硕士.
[28]林凤梅.故障树分析及仿真方法在球磨机传动系统中的应用研究[D].华北电力大学（河北）,机械设计及理论,2004,硕士.
[29]陆敏.日本落语中谚语的使用及其作用[D].南京师范大学,日语语言文学,2012,硕士.
[30]邓嘉敏.高职院校工科学生数学应用意识及其培养研究[D].湖南师范大学,高等教育学,2013,硕士.
[31]楚瑞锋.重大节假日高速公路免收通行费政策影响分析[D].长安大学,交通运输规划与管理,2014,硕士.
[32]杨红梅.VSAT系统在农村通信中的应用[J].电信网技术.2006(05)
[33]徐胜阳.自动化立体仓库中的计算机控制及其仿真[D].武汉理工大学,2003.
[34]王玲.双亲性嵌段共聚物膜与刚/柔性纳米颗粒相互作用机制的分子动力学研究[D].苏州大学,材料物理与化学,2014,硕士.
[35]杜威.嗜热菌β-糖苷酶基因乳腺特异性表达载体的构建、转染及鉴定[D].内蒙古农业大学,发育生物学,2013,硕士.
[36]张超.燃煤火电厂除尘装置性能测试对比研究[D].西安建筑科技大学,环境工程,2013,硕士.
[37]本报驻伦敦记者戴军.关于石墨烯的梦想与现实[N].光明日报,2015-02-08006.
[38]何航.云南文化产业职业学院筹建可行性研究探讨[D].云南财经大学,工商管理,2014,硕士.
[39]苏是浒.钾高效水稻品种筛选及其机理研究[D].广东海洋大学,作物遗传育种,2013,硕士.
[40]陈英会.网络公共事件中的网民话语参政研究[D].重庆大学,行政管理,2014,硕士.
[41]蔡宝华.新式斜辊矫直机辊形的研究[D].东北大学,机械设计及理论,2009,硕士.
[42]谷文祥,殷明浩.数据挖掘中决策树加权模糊熵算法[J].计算技术与自动化,2002,03:120-123.
[43]何佳.针灸康复治疗5.12地震骨折伤员内固定术后功能障碍的回顾性研究[D].成都中医药大学,针灸推拿学,2012,硕士.
[44]孙云,于德永,刘宇鹏,郝蕊芳.生态系统重大突变检测研究进展[J].植物生态学报,2013,11:1059-1070.
[45]吴莎莎.胱抑素C与冠心病的相关性研究[D].扬州大学,内科学,2012,硕士.
[46]陈曦.彩绘曼陀罗对高中生焦虑情绪干预的研究[D].山西师范大学,发展与教育心理学,2013,硕士.
[47]李文茂.肺癌特异性DKK1基因转录调控元件的分析预测及活性筛选[D].华侨大学,生物学,2014,硕士.
[48]孟祥博.连续索张弦主梁矮塔斜拉桥基本力学性能研究[D].清华大学,土木工程,2013,硕士.
[49]姜中博.非胆源性重症急性胰腺炎腹腔引流及临床处理的治疗分析[D].吉林大学,外科学,2013,硕士.
[50]陈青.咪唑并邻菲咯啉类衍生物与3d-4f金属构筑的配位聚合物的合成、结构与性质研究[D].西北大学,物理化学,2014,硕士.