基于Web的信息智能感知技术及应用
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1．1 问题的提出 | 第10-11页 |
| 1．2 国内外研究动态 | 第11-12页 |
| 1．3 主要研究内容 | 第12-14页 |
| 1．3．1 主要内容 | 第12页 |
| 1．3．2 论文结构 | 第12-14页 |
| 第二章 基本概念 | 第14-29页 |
| 2．1 Web挖掘的概念及研究现状 | 第14-23页 |
| 2．1．1 Web挖掘概念及研究内容 | 第14页 |
| 2．1．2 Web挖掘的特点 | 第14-15页 |
| 2．1．3 Web挖掘的分类及研究现状 | 第15-23页 |
| 2．2 自然语言理解的概念及研究现状 | 第23-29页 |
| 2．2．1 自然语言理解的概念及研究内容 | 第23-27页 |
| 2．2．2 自然语言理解的研究现状 | 第27-29页 |
| 第三章 Web信息挖掘 | 第29-50页 |
| 3．1 风格树网页去噪模型 | 第29-40页 |
| 3．1．1 Web站点爬行 | 第30-34页 |
| 3．1．2 风格树模型 | 第34-37页 |
| 3．1．3 噪声检测 | 第37-38页 |
| 3．1．3 实验结果 | 第38-40页 |
| 3．2 Web文本自然语言处理 | 第40-50页 |
| 3．2．1 自然语言处理中的统计模型 | 第40-43页 |
| 3．2．2 改进的N-最短路统计分词 | 第43-46页 |
| 3．2．3 基于 HMM的词性标注 | 第46-47页 |
| 3．2．4 概率型句法分析 | 第47-50页 |
| 第四章 Web金融信息感知模型 | 第50-61页 |
| 4．1 引言 | 第50页 |
| 4．2 基于语义框架的金融事件提取 | 第50-53页 |
| 4．2．1 金融事件的含义 | 第50-51页 |
| 4．2．2 基于语义框架的金融事件模板 | 第51-53页 |
| 4．3 仿人自动文本分类方法 | 第53-61页 |
| 4．3．1 基于句法分析的文本分类 | 第55-56页 |
| 4．3．2 K最近邻文本分类 | 第56-58页 |
| 4．3．3 仿人分类算法描述 | 第58-59页 |
| 4．3．4 分类质量评价 | 第59-61页 |
| 第五章 结束语 | 第61-63页 |
| 5．1 主要工作和创新点 | 第61-62页 |
| 5．1．1 主要工作 | 第61页 |
| 5．1．2 创新点 | 第61-62页 |
| 5．2 进一步的工作 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 硕士阶段的主要工作 | 第67页 |
