摘要：多年来随着科学技术的发展，高度信息化的时代已经到来，人们可以通过看新闻、浏览网页、看报纸等方式来获取信息。获取信息方式变多了，使得获取的信息数量也增多了。海量的信息让人们难以轻易找到自己需要的信息，如果对信息进行分类处理，人们就可以根据不同的分类去获得自己需要的信息。

文本分类一直是学者们研究的重要领域，现在已有多种文本分类方法，不同的文本分类方法导致文本分类的准确性也不同，集成学习和弱分类器的结合可以让分类器工作得更好。本文主要做了以下工作：

（1）介绍了对中文文本分类的处理，使文本能被计算机和分类器识别和训练。并介绍了用什么方法评价分类器。

（2）介绍了集成学习的基本概念和方法。

（3）设计了将词频分类器这个弱分类器作为基学习器，通过adaboost方法集成的实验，比较了两种更新权重的方式。一种是当词频分类器的最小误差大于0.5时，用初始权重来更新权重，另一种是当最小误差大于0.5时，用dirichlet分布来更新权重。从实验结果可以看出，用dirichlet分布来更新权重也能取得很好的效果。

关键词：文本分类; 集成学习;  Adaboost; 词频分类器

目录

摘要

ABSTRACT

1 绪 论-1

1.1研究背景与意义-1

1.2国内外研究现状-1

1.3论文所做工作及思路-2

1.4论文章节安排-2

2 文本分类-3

2.1文本分类概述-3

2.2文本分类预处理-3

2.2.1文档形式转换-3

2.2.2分词处理-3

2.2.3去停用词-3

2.3特征选择-4

2.4分类算法-4

2.4.1朴素贝叶斯-4

2.4.2 K近邻-4

2.5分类性能评估-5

2.5.1评价方法-5

2.5.2评价指标-5

3 集成学习-7

3.1集成学习概述-7

3.2典型集成方法-7

3.2.1 Bagging算法-7

3.2.2 Boosting算法-7

4 词频分类器及其集成-10

4.1词频分类器-10

4.1词频分类器的集成-10

5 实验设计与结论-12

5.1实验数据-12

5.2实验结果及分析-12

6 总结与展望-14

6.1 本文总结-14

6.2 未来展望-14

参考文献-15

致 谢-17