Web文本分类研究及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·课题研究现状 | 第10-15页 |
| ·Web文本挖掘的研究现状 | 第10-11页 |
| ·Web文本分类的研究现状 | 第11-14页 |
| ·需要进一步研究的问题 | 第14-15页 |
| ·本文研究工作和内容组织 | 第15-17页 |
| ·本文研究工作 | 第15页 |
| ·本文内容组织 | 第15-17页 |
| 第2章 Web文本挖掘 | 第17-27页 |
| ·Web挖掘 | 第17-22页 |
| ·Web挖掘定义 | 第17-18页 |
| ·Web挖掘与数据挖掘、信息检索的关系 | 第18-19页 |
| ·Web挖掘的难点 | 第19-20页 |
| ·Web挖掘分类 | 第20-22页 |
| ·Web文本挖掘 | 第22-26页 |
| ·Web文本挖掘定义 | 第22-23页 |
| ·Web文本挖掘意义 | 第23-24页 |
| ·Web文本挖掘主要研究内容 | 第24-25页 |
| ·Web文本挖掘系统框架 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 Web文本分类 | 第27-47页 |
| ·Web文本分类 | 第27-29页 |
| ·Web文本分类定义 | 第27-28页 |
| ·Web文本聚类 | 第28页 |
| ·Web文本分类过程 | 第28-29页 |
| ·Web文本分类关键技术 | 第29-43页 |
| ·文本预处理 | 第29页 |
| ·分词 | 第29-33页 |
| ·文本的表示 | 第33-35页 |
| ·权重计算方法 | 第35-37页 |
| ·降维技术 | 第37-38页 |
| ·特征选择 | 第38-42页 |
| ·特征抽取 | 第42-43页 |
| ·文本分类方法质量评价 | 第43-46页 |
| ·影响分类质量的因素 | 第43-44页 |
| ·分类质量评价方法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 Web文本分类方法研究与实现 | 第47-68页 |
| ·常用文本分类方法 | 第47-54页 |
| ·KNN(最K近邻)算法 | 第47-48页 |
| ·基于VSM的向量距离分类法 | 第48-50页 |
| ·朴素贝叶斯方法 | 第50-51页 |
| ·支持向量机分类法 | 第51-53页 |
| ·其他分类方法 | 第53-54页 |
| ·粗糙集概述 | 第54-57页 |
| ·信息系统 | 第55页 |
| ·不可分辨关系与决策表的定义 | 第55-56页 |
| ·决策表的属性约简 | 第56-57页 |
| ·基于粗糙集和KNN的Web文本分类模型 | 第57-59页 |
| ·基于粗糙集和KNN的Web文本分类算法实现 | 第59-66页 |
| ·文本预处理和分词 | 第59-61页 |
| ·特征提取和权值离散化 | 第61-62页 |
| ·构造决策表 | 第62页 |
| ·属性约简算法 | 第62-63页 |
| ·KNN分类算法 | 第63-66页 |
| ·实验分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| ·论文工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 附录 | 第74页 |
| 攻读硕士学位期间公开发表的学术论文 | 第74页 |
