| 致谢 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| ·背景和研究意义 | 第10-11页 |
| ·公安犯罪文本挖掘的发展和现状 | 第11-13页 |
| ·国外犯罪文本挖掘的发展和现状 | 第12页 |
| ·国内犯罪文本挖掘的发展和现状 | 第12-13页 |
| ·本文研究内容和贡献 | 第13-14页 |
| ·论文组织形式 | 第14-16页 |
| 第2章 文本挖掘相关技术概述 | 第16-26页 |
| ·文本挖掘的一般流程 | 第16页 |
| ·中文分词 | 第16-18页 |
| ·特征表示 | 第18页 |
| ·特征选择 | 第18-20页 |
| ·文本相似度计算 | 第20-22页 |
| ·文本相似度计算的一般流程 | 第20-21页 |
| ·文本相似度计算常用算法 | 第21-22页 |
| ·文本分类 | 第22-24页 |
| ·文本分类的一般流程 | 第22-23页 |
| ·文本分类常用算法 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 犯罪案件文本挖掘关键技术 | 第26-38页 |
| ·犯罪案件文本数据源 | 第26-27页 |
| ·犯罪案件文本挖掘的一般流程 | 第27页 |
| ·中文分词及预处理 | 第27-29页 |
| ·中文分词及改进 | 第27-28页 |
| ·预处理 | 第28-29页 |
| ·相似犯罪案件文本检索 | 第29-32页 |
| ·基于同义词的语义分析 | 第29-30页 |
| ·案件文本属性信息抽取 | 第30-31页 |
| ·基于信息抽取和同义词分析的改进案件文本相似度计算 | 第31-32页 |
| ·犯罪案件文本分类 | 第32-37页 |
| ·犯罪案件文本类别的特征 | 第33页 |
| ·犯罪案件文本分类特征选择 | 第33页 |
| ·朴素贝叶斯文本分类 | 第33-35页 |
| ·面向不均衡类别的改进朴素贝叶斯案件文本分类 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 犯罪案件文本挖掘系统的设计和实现 | 第38-61页 |
| ·犯罪特征数据挖掘系统概述 | 第38-41页 |
| ·犯罪案件文本挖掘子系统体系结构 | 第41-42页 |
| ·公安内部网页案情通告抽取的设计和实现 | 第42-45页 |
| ·案情网页抓取 | 第42-43页 |
| ·案情通告内容抽取 | 第43-45页 |
| ·相似犯罪案件文本检索模块设计与实现 | 第45-51页 |
| ·相似案件文本检索模块结构设计 | 第46-47页 |
| ·类设计 | 第47-48页 |
| ·实验和结果分析 | 第48-51页 |
| ·犯罪案件文本分类模块设计与实现 | 第51-59页 |
| ·案件文本分类模块结构设计 | 第51-52页 |
| ·类设计 | 第52-54页 |
| ·实验和结果分析 | 第54-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 个人简历 | 第66页 |