| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·研究内容与组织结构 | 第9-12页 |
| 第二章 企业竞争情报和Web文本挖掘 | 第12-20页 |
| ·企业竞争情报 | 第12-15页 |
| ·竞争情报概述及意义 | 第12-13页 |
| ·竞争情报基本理论和研究方法 | 第13-14页 |
| ·企业竞争情报数据来源 | 第14-15页 |
| ·Web文本挖掘 | 第15-18页 |
| ·Web文本挖掘概述 | 第16页 |
| ·文本挖掘的过程与模型结构 | 第16-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 相关技术研究与实现 | 第20-36页 |
| ·Web页面预处理 | 第20-23页 |
| ·Web页面结构分析 | 第20-21页 |
| ·Web页面结构解析 | 第21-23页 |
| ·文本分词技术 | 第23-25页 |
| ·汉语切分规则 | 第23页 |
| ·汉语词切分方法 | 第23-24页 |
| ·文本分词处理 | 第24-25页 |
| ·关键词提取技术 | 第25-27页 |
| ·相关技术简介 | 第25-26页 |
| ·关键词的权重 | 第26-27页 |
| ·自动摘要技术 | 第27-29页 |
| ·自动摘要方法简介 | 第27-28页 |
| ·基于统计和结构分析的自动摘要方法 | 第28-29页 |
| ·文本去重技术 | 第29-32页 |
| ·文本去重概述 | 第29页 |
| ·文本特征表示 | 第29-30页 |
| ·文本去重算法设计 | 第30-32页 |
| ·实验结果 | 第32页 |
| ·文本分类相关算法 | 第32-35页 |
| ·朴素贝叶斯算法 | 第32-34页 |
| ·K-最近邻方法 | 第34-35页 |
| ·中心点法 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于SVM决策树的文本分类技术 | 第36-46页 |
| ·文本分类概述 | 第36-37页 |
| ·文本分类的基本过程 | 第36页 |
| ·基于SVM的文本分类的优势 | 第36-37页 |
| ·文本特征提取 | 第37-41页 |
| ·文本表示模型 | 第37-39页 |
| ·特征选择 | 第39-40页 |
| ·文本向量生成 | 第40-41页 |
| ·基于SVM决策树的文本分类方法 | 第41-45页 |
| ·支持向量机(SVM)和核函数 | 第41-42页 |
| ·SVM决策树生成算法设计 | 第42-43页 |
| ·文本分类实现 | 第43-45页 |
| ·实验结果 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 面向企业竞争情报的Web文本挖掘系统设计与实现 | 第46-62页 |
| ·企业竞争情报分析与挖掘服务系统简介 | 第46-47页 |
| ·Web文本挖掘系统总体设计 | 第47-51页 |
| ·系统总体架构 | 第48-49页 |
| ·系统功能模块设计 | 第49-51页 |
| ·Web文本挖掘模块详细设计 | 第51-55页 |
| ·文本分词详细设计 | 第51-52页 |
| ·关键词提取和自动摘要详细设计 | 第52-53页 |
| ·文本去重详细设计 | 第53-54页 |
| ·文本分类详细设计 | 第54-55页 |
| ·系统数据库设计 | 第55-56页 |
| ·运行结果显示 | 第56-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·研究工作总结 | 第62页 |
| ·趋势与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-68页 |