| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·文本特征提取研究背景和意义 | 第11-13页 |
| ·国内外的研究现状 | 第13-14页 |
| ·本文的研究内容及目的 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 文本特征提取相关技术 | 第16-25页 |
| ·文本表示形式 | 第16-17页 |
| ·文本结构 | 第16页 |
| ·文档特征 | 第16-17页 |
| ·中文文本特征提取过程 | 第17-18页 |
| ·文本表示模型 | 第18-21页 |
| ·向量空间模型 | 第18-19页 |
| ·扩展布尔逻辑模型 | 第19-20页 |
| ·概率模型 | 第20-21页 |
| ·文本特征提取方法 | 第21-23页 |
| ·TF-IDF函数 | 第21-22页 |
| ·信息增益(Information Gain) | 第22-23页 |
| ·互信息(Mutual Information) | 第23页 |
| ·文本的聚类算法 | 第23-25页 |
| 第三章 基于联合条件熵的文本特征提取 | 第25-36页 |
| ·联合熵和条件熵的基本性质 | 第25-26页 |
| ·基于联合条件熵的文本特征提取 | 第26-30页 |
| ·特征词的联合熵 | 第26-29页 |
| ·基于文档频率的条件熵 | 第29页 |
| ·基于文档频率的特征词的联合条件熵 | 第29-30页 |
| ·基于联合条件熵的遗传算法 | 第30-36页 |
| ·遗传算法基本原理 | 第30-32页 |
| ·基于联合条件熵的遗传算法描述 | 第32-33页 |
| ·基于联合条件熵的遗传算法运算过程 | 第33-36页 |
| 第四章 Web文本数据提取技术 | 第36-44页 |
| ·Web网页的基本结构和特点 | 第36-38页 |
| ·HTML结构 | 第36-37页 |
| ·XML文档结构 | 第37-38页 |
| ·Web网页数据提取 | 第38-40页 |
| ·Web数据类型 | 第38页 |
| ·结构化数据抽取 | 第38-40页 |
| ·微博数据特点及其抽取 | 第40-44页 |
| ·微博数据分析 | 第40-41页 |
| ·微博数据抓取 | 第41-44页 |
| 第五章 基于联合条件熵的文本特征提取算法的实验及分析 | 第44-54页 |
| ·文本数据集建立 | 第45-48页 |
| ·基于联合条件熵的特征提取 | 第48-51页 |
| ·k-means聚类 | 第51页 |
| ·实验结果分析 | 第51-54页 |
| 第六章 结论和展望 | 第54-56页 |
| ·本文工作总结 | 第54-55页 |
| ·进一步工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录1:作者攻读硕士学位期间发表的论文 | 第61页 |