基于向量空间模型的网页信息过滤方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·内容安全 | 第9-13页 |
| ·信息安全 | 第9页 |
| ·内容安全概述 | 第9-10页 |
| ·内容安全现状 | 第10-12页 |
| ·内容安全和信息过滤 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·本文工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 2 网页信息过滤关键技术 | 第15-28页 |
| ·中文分词 | 第15-17页 |
| ·中文分词存在的问题 | 第15-16页 |
| ·中文分词方法 | 第16-17页 |
| ·文本表示 | 第17-23页 |
| ·向量空间模型 | 第17-19页 |
| ·特征项的选择 | 第19-20页 |
| ·特征项权重的计算 | 第20-22页 |
| ·改进的基于HTML标记加权的权重计算 | 第22-23页 |
| ·特征提取 | 第23-28页 |
| 3 网页正文内容抽取方法 | 第28-39页 |
| ·网页正文内容抽取介绍 | 第28-30页 |
| ·网页正文内容抽取方法存在的问题和困难 | 第28-29页 |
| ·本文采用的网页正文内容抽取方法 | 第29-30页 |
| ·基于中文标点符号的网页正文信息抽取方法 | 第30-39页 |
| ·网页中中文标点符号的分布特征 | 第30页 |
| ·网页内容结构化表示 | 第30-36页 |
| ·网页正文内容的提取 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| 4 网页信息过滤系统的设计与实现 | 第39-58页 |
| ·系统总体结构设计 | 第39-40页 |
| ·网页内容过滤模型 | 第40-42页 |
| ·HTTP数据包的截获和还原 | 第42-49页 |
| ·HTTP数据包截获方法选择 | 第42-45页 |
| ·HTTP数据包截获流程 | 第45-46页 |
| ·HTTP响应结构 | 第46-47页 |
| ·HTTP数据包还原 | 第47-49页 |
| ·向量空间模型的生成 | 第49-51页 |
| ·过滤算法设计 | 第51-56页 |
| ·以训练样本得到的向量为基准 | 第53-54页 |
| ·以待判定网页特征词集得到的向量为基准 | 第54-55页 |
| ·阈值的设定 | 第55-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·评价指标 | 第56页 |
| ·实验结果 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录A 向量空间模型生成代码 | 第63-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
