| 摘要 | 第1-3页 |
| ABSTRACT | 第3-5页 |
| 目录 | 第5-7页 |
| 图表目录 | 第7-8页 |
| 第一章 前言 | 第8-12页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·文本自动分类技术研究在国内外的发展 | 第9页 |
| ·文本自动分类技术的研究现状 | 第9-10页 |
| ·本文的研究内容 | 第10-12页 |
| ·研究内容 | 第10-11页 |
| ·本文的组织 | 第11-12页 |
| 第二章 HTML文本自动分类技术概述 | 第12-23页 |
| ·文本分类技术 | 第12-14页 |
| ·文本分类概念 | 第12-13页 |
| ·文本自动分类问题的一般性描述 | 第13-14页 |
| ·文本自动分类工具的实现过程 | 第14-17页 |
| ·向量空间模型 | 第14-15页 |
| ·实现过程概述 | 第15-17页 |
| ·HIML文本的预处理技术 | 第17-19页 |
| ·分类器的训练及测试 | 第19-20页 |
| ·性能评估方法 | 第20-21页 |
| ·实验用语料库 | 第21-23页 |
| 第三章 HTML文本自动分类中预处理、特征提取、特征选择的研究比较 | 第23-38页 |
| ·HTML文本的预处理 | 第23-27页 |
| ·HTML文本标记加权方案 | 第23-24页 |
| ·分词前的预处理 | 第24-25页 |
| ·HTML预处理算法 | 第25-26页 |
| ·预处理前后分类器性能比较 | 第26-27页 |
| ·HTML文本的特征提取和特征选择 | 第27-31页 |
| ·文档频率(DF) | 第28页 |
| ·信息增益(IG) | 第28页 |
| ·互信息(MI) | 第28-29页 |
| ·X~2统计量(CHI) | 第29页 |
| ·期望交叉熵(ECE) | 第29-30页 |
| ·文本证据权(WET) | 第30页 |
| ·特征词的强度(TS) | 第30页 |
| ·几率比(OR) | 第30-31页 |
| ·主成分分析(PCA) | 第31页 |
| ·特征评估函数实验比较 | 第31-34页 |
| ·HTML文本特征项权重计算 | 第34-36页 |
| ·布尔权重 | 第34页 |
| ·词频权重 | 第34页 |
| ·TF-IDF权重 | 第34-35页 |
| ·TFC权重 | 第35页 |
| ·LTC权重 | 第35页 |
| ·基于熵概念的权重 | 第35-36页 |
| ·不同赋权方法实验比较 | 第36-38页 |
| 第四章 HTML文本自动分类算法及其实验比较 | 第38-51页 |
| ·朴素贝叶斯分类法(NB) | 第38-39页 |
| ·K近邻分类法(KNN) | 第39-41页 |
| ·KNN方法 | 第39-40页 |
| ·K值的选取 | 第40-41页 |
| ·支持向量机分类法(SVM) | 第41-44页 |
| ·线性可分情况 | 第42-43页 |
| ·线性不可分情况 | 第43-44页 |
| ·KNN-SVM分类法 | 第44-47页 |
| ·基本原理 | 第44-46页 |
| ·分类算法 | 第46-47页 |
| ·KNN和KNN-SVM分类器比较分析 | 第47-51页 |
| 第五章 HTML文本自动分类工具的设计与实现 | 第51-58页 |
| ·分类工具的体系结构 | 第51-54页 |
| ·主要功能模块介绍 | 第54-58页 |
| ·HTML文本处理及特征提取模块 | 第54-55页 |
| ·文本分类模块 | 第55-56页 |
| ·分类测试与结果评估模块 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·论文内容总结 | 第58页 |
| ·本文主要工作和创新点 | 第58-59页 |
| ·不足及对未来的展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |