基于词语共现的BBS垃圾信息过滤模型
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·研究目的和意义 | 第8-9页 |
| ·国内外相关技术研究 | 第9-12页 |
| ·国外相关研究 | 第9-11页 |
| ·国内相关研究 | 第11-12页 |
| ·本文主要研究内容和组织 | 第12-13页 |
| 第2章 信息过滤相关技术的概述 | 第13-21页 |
| ·信息过滤的基本原理 | 第13-14页 |
| ·信息过滤的概念 | 第13页 |
| ·信息检索的概念 | 第13-14页 |
| ·信息过滤与信息检索区别和联系 | 第14页 |
| ·信息过滤的主要数学模型 | 第14-19页 |
| ·布尔模型 | 第15-16页 |
| ·向量空间模型 | 第16-17页 |
| ·概率模型 | 第17-19页 |
| ·信息过滤中的机器学习方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于词语共现的文本相关度计算模型 | 第21-35页 |
| ·词共现和向量空间模型原理 | 第21-25页 |
| ·词共现原理 | 第21-23页 |
| ·向量空间模型原理 | 第23-25页 |
| ·文本特征提取方法 | 第25-28页 |
| ·词共现向量空间的搭建 | 第28-30页 |
| ·文本中题目与正文特征向量相关度的计算方法 | 第30-31页 |
| ·基于文本相关度的分类方法 | 第31-33页 |
| ·基于词语共现向量空间的相关度反馈 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 实验和结果分析 | 第35-42页 |
| ·实验环境及实验流程 | 第35-37页 |
| ·实验环境 | 第35页 |
| ·实验流程 | 第35-37页 |
| ·基于Hownet 的语义相似度计算的实验 | 第37-39页 |
| ·基于知网的词语相似度计算介绍 | 第37-38页 |
| ·基于知网的语句相似度计算方法 | 第38-39页 |
| ·实验过程及结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表的学术论文 | 第46-48页 |
| 致谢 | 第48页 |
