| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文章节安排 | 第14-16页 |
| 第二章 LUCENE 搜索引擎与中文分词技术 | 第16-22页 |
| 2.1 LUCENE 搜索引擎简介 | 第16页 |
| 2.2 中文分词技术介绍 | 第16-17页 |
| 2.3 中文分词算法 | 第17-18页 |
| 2.4 LUCENE 中现有中文分词介绍 | 第18-19页 |
| 2.5 中科院的分词软件和 JE 分词 | 第19-20页 |
| 2.6 当前几个主要的 LUCENE 中文分词器的比较 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 BP 神经网络的理论介绍 | 第22-30页 |
| 3.1 人工神经网络分析 | 第22-24页 |
| 3.1.1 前馈神经网络 | 第22页 |
| 3.1.2 竞争学习和侧抑制 | 第22-23页 |
| 3.1.3 自组织特征映射 | 第23-24页 |
| 3.1.4 HOPFIELD 网络 | 第24页 |
| 3.2 BP 神经网络 | 第24-26页 |
| 3.2.1 BP 神经网络的算法要素 | 第25页 |
| 3.2.2 BP 神经网络的算法流程 | 第25-26页 |
| 3.3 BP 神经网络算法的研究及改进 | 第26-28页 |
| 3.3.1 BP 神经网络的优点 | 第26页 |
| 3.3.2 BP 神经网络的改进 | 第26-28页 |
| 3.4 BP 神经网络的应用 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 PSO-BP 神经网络在中文分词中的应用研究 | 第30-44页 |
| 4.1 粒子群优化算法 | 第30-33页 |
| 4.1.1 粒子群优化算法思想的起源 | 第30页 |
| 4.1.2 算法原理 | 第30-31页 |
| 4.1.3 粒子群优化算法的处理流程 | 第31-32页 |
| 4.1.4 算法特点 | 第32-33页 |
| 4.2 PSO-BP 神经网络的算法实现 | 第33-37页 |
| 4.2.1 算法简介 | 第33-34页 |
| 4.2.2 算法设计及实现 | 第34-37页 |
| 4.3 PSO-BP 神经网络在中文分词中的应用研究 | 第37-43页 |
| 4.3.1 人工神经网络的中文分词模型 | 第37页 |
| 4.3.2 数据预处理 | 第37-38页 |
| 4.3.3 编码 | 第38-40页 |
| 4.3.4 参数设计 | 第40-41页 |
| 4.3.5 PSO-BP 神经网络在中文分词中的应用 | 第41-43页 |
| 4.3.6 切分状态的判定 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于 PSO-BP 神经网络的 LUCENE 搜索引擎 | 第44-68页 |
| 5.1 基于 PSO-BP 神经网络的中文分词在 LUCENE 中的应用研究 | 第44-45页 |
| 5.1.1 LUCENE 分词器的结构 | 第44-45页 |
| 5.1.2 基于 LUCENE 的 PSO-BP 神经网络中文分词器 | 第45页 |
| 5.2 基于 LUCENE 和 HERITRIX 的垂直搜索引擎的设计 | 第45-59页 |
| 5.2.1 网络爬虫模块 | 第46-50页 |
| 5.2.2 网页解析模块 | 第50-52页 |
| 5.2.3 存储与索引模块 | 第52-56页 |
| 5.2.4 交互模块 | 第56-59页 |
| 5.3 实验结果分析 | 第59-67页 |
| 5.3.1 实验环境 | 第59页 |
| 5.3.2 构建神经网络模型 | 第59-60页 |
| 5.3.3 传统 BP 与 PSO-BP 的分词精度对比 | 第60-61页 |
| 5.3.4 中文分词的收敛性能对比 | 第61-63页 |
| 5.3.5 与 LUCENE 的中文分词技术对比 | 第63-66页 |
| 5.3.6 PSO-BP 神经网络中文分词实际应用效果 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 主要结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-73页 |
| 致谢 | 第73页 |
