[1] 中国互联网信息中心. 中国互联网信息中心第36次中国互联网络发展状况统计报告[R/OL]. http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201507/P0201507235495006670-87.pdf, 2015-07.
[2] 徐健锋,许圆,许元辰,等. 基于语义理解和机器学习的混合的中文文本情感分类算法框架[J]. 计算机科学, 2015,42(6):61-66.
[3] 石海明,曾华峰. 科技与战争视角下的国家认知空间安全战略[J]. 国防科技, 2014,35(3):83-87.
[4] Luo Xi, Ohyama Wa, Wakabayashi T, et al. Improvement of automatic Chinese text classification by combining multiple features[J]. Transactions on Electrical and Electronic Engineering, 2015,10(2):166-174.
[5] 许珂,蒙祖强,林啓峰. 基于语义关联和信息增益的TFIDF改进算法研究[J]. 计算机应用研究, 2012,29(2):557-560.
[6] 马兆才. 文本分类中的两阶段特征降维[J]. 甘肃科技, 2014,30(20):27-29.
[7] 邓一贵,伍玉英. 基于文本内容的敏感词决策树信息过滤算法[J]. 计算机工程, 2014,40(9):300-304.
[8] 黄贤英,陈红阳,刘英涛,等. 一种新的微博短文本特征词选择算法[J]. 计算机工程与科学, 2015,37(9):1761-1767.
[9] 中国科学院计算技术研究所. 汉语词法分析系统ICTCLAS[EB/OL]. http://www.ict.ac.cn/jszy/jsxk_zlxk/mfxk/200706/t20070628_2121143.html, 2016-03-21.
[10]郑炜,沈文,张英鹏. 基于改进朴素贝叶斯算法的垃圾邮件过滤器的研究[J]. 西北工业大学学报, 2010,28(4):622-627.
[11]张宁,贾自艳,史忠植. 使用KNN算法的文本分类[J]. 计算机工程, 2005,31(8):171-172.
[12]赵辉. 支持向量机分类方法及其在文本分类中的应用研究[D]. 大连:大连理工大学, 2005.
[13]刘钢. 基于神经网络的文本分类系统NNTCS的设计和实现[D]. 北京:中国科学院(软件研究所), 2003.
[14]张青. 决策树分类算法的研究与改进[D]. 郑州:郑州大学, 2002.
[15]Otsuka T, Deng Deyue, Ito T. Text filtering for harmful document classification using three-word co-occurrence and large-scale data processing[J]. Electronics and Communications in Japan, 2015,98(10):168-175.
[16]Guo Xiaoli, Sun Huiyu, Zhou Tiehua. SAW classification algorithm for Chinese text classification[J]. Sustainability, 2015,7(3):2338-2352.
[17]Manning C D, Raghavan P, Schütze H. Introduction to Information Retrieval[M]. 王斌,译. 北京:人民邮电出版社, 2010:175-199.
[18]数据堂. 新浪微博积极、消极、矛盾微博数据[EB/OL]. http://www.datatang.com/data/47209, 2015-05-07.
|