| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景 | 第7-8页 |
| ·本文工作 | 第8-10页 |
| 第二章 相关知识 | 第10-32页 |
| ·文本分类、聚类概述 | 第10-11页 |
| ·定义 | 第10-11页 |
| ·文本分类、聚类的图解过程 | 第11页 |
| ·数据预处理 | 第11-18页 |
| ·分词技术 | 第12页 |
| ·特征表示 | 第12-13页 |
| ·特征提取 | 第13-15页 |
| ·矩阵奇异值分解理论 | 第15-16页 |
| ·潜在语义分析(LSA) | 第16-18页 |
| ·文本分类算法 | 第18-23页 |
| ·向量距离分类 | 第18-19页 |
| ·K-近邻(K-Nearest-Neighbor) | 第19-20页 |
| ·朴素贝叶斯(Na?ve Bayes) | 第20页 |
| ·决策树(Decision Tree) | 第20页 |
| ·神经网络(Neural Network) | 第20-21页 |
| ·支持向量机(Support Vector Machine) | 第21-23页 |
| ·字符串处理技术 | 第23-32页 |
| ·后缀树 | 第23-24页 |
| ·后缀数组 | 第24页 |
| ·后缀数组相关定义和性质 | 第24-25页 |
| ·后缀数组的构造方法 | 第25-26页 |
| ·最长公共前缀 | 第26-32页 |
| 第三章 网页搜索结果在线分类系统 | 第32-44页 |
| ·分类算法描述 | 第32-34页 |
| ·分类算法流程图 | 第34-35页 |
| ·网页搜索结果分类系统实现 | 第35-44页 |
| ·预处理 | 第36-39页 |
| ·训练 | 第39-40页 |
| ·分类 | 第40-43页 |
| ·结果展示 | 第43-44页 |
| 第四章 网页搜索结果分类实验 | 第44-51页 |
| ·分类评价标准 | 第44页 |
| ·实验环境 | 第44-45页 |
| ·实验数据集 | 第45页 |
| ·实验目的 | 第45-46页 |
| ·实验设计 | 第46-50页 |
| ·实验结果分析 | 第50页 |
| ·实验结论 | 第50-51页 |
| 第五章 网页搜索结果在线聚类系统 | 第51-60页 |
| ·算法描述 | 第51-55页 |
| ·预处理 | 第52-53页 |
| ·提取高频短语 | 第53页 |
| ·提取类名 | 第53-54页 |
| ·挖掘聚集成员 | 第54-55页 |
| ·形成最终的聚集 | 第55页 |
| ·一个简单的例子 | 第55-58页 |
| ·聚类算法伪码 | 第58-60页 |
| 第六章 网页搜索结果在线聚类系统实现 | 第60-64页 |
| ·总体设计 | 第60页 |
| ·系统核心类的介绍 | 第60-62页 |
| ·一个简单的例子 | 第62-64页 |
| 第七章 本文总结 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·下一步工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 摘要 | 第69-72页 |
| Abstract | 第72-75页 |
| 致 谢 | 第75-76页 |
| 导师及作者简介 | 第76页 |