基于链接特征的视频广告过滤技术
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本论文的组织结构安排 | 第15-16页 |
| 第二章 音视频分析系统及网页分类技术基础 | 第16-26页 |
| 2.1 音视频分析系统 | 第16-17页 |
| 2.1.1 音视频分析系统架构 | 第16-17页 |
| 2.1.2 音视频分析系统链接采集分析 | 第17页 |
| 2.2 网页分类相关技术 | 第17-25页 |
| 2.2.1 网页分类技术主体架构 | 第17-18页 |
| 2.2.2 网页预处理相关技术 | 第18-19页 |
| 2.2.3 训练阶段相关技术 | 第19-23页 |
| 2.2.4 分类阶段相关技术 | 第23-25页 |
| 2.3 音视频分析系统视频广告过滤要求 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于链接特征的网页分类技术研究 | 第26-44页 |
| 3.1 基于链接特征的网页分类技术 | 第26-27页 |
| 3.2 集成学习 | 第27-31页 |
| 3.2.1 集成学习概述 | 第27-28页 |
| 3.2.2 个体分类器 | 第28-30页 |
| 3.2.3 结合策略 | 第30-31页 |
| 3.3 基于链接特征的网页分类方法 | 第31-38页 |
| 3.3.1 数据集扩充 | 第31-33页 |
| 3.3.2 链接特征提取 | 第33-35页 |
| 3.3.3 基于词语权重的特征选择 | 第35-36页 |
| 3.3.4 朴素贝叶斯分类器 | 第36-38页 |
| 3.4 实验证明 | 第38-42页 |
| 3.4.1 实验数据集 | 第38页 |
| 3.4.2 评价指标 | 第38-39页 |
| 3.4.3 实验过程及结果 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 多级网页过滤模型 | 第44-58页 |
| 4.1 应用场景分析 | 第44-46页 |
| 4.2 多级网页过滤模型描述 | 第46-49页 |
| 4.2.1 主体架构 | 第46-48页 |
| 4.2.2 执行流程 | 第48-49页 |
| 4.3 基于网页链接的分类算法 | 第49-51页 |
| 4.3.1 算法整体结构 | 第50-51页 |
| 4.4 基于网页内容的分类算法 | 第51-57页 |
| 4.4.1 网页预处理 | 第51-54页 |
| 4.4.2 特征提取与向量表示 | 第54-55页 |
| 4.4.3 模型训练 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 视频广告过滤原型系统 | 第58-72页 |
| 5.1 主流流式计算框架对比 | 第58-62页 |
| 5.1.1 ApacheStorm技术介绍 | 第58-59页 |
| 5.1.2 SparkStreaming技术介绍 | 第59-61页 |
| 5.1.3 对比分析 | 第61-62页 |
| 5.2 系统体系结构 | 第62-63页 |
| 5.2.1 系统框架设计 | 第62-63页 |
| 5.2.2 开发环境配置 | 第63页 |
| 5.3 模块设计与实现 | 第63-68页 |
| 5.3.1 用户交互模块 | 第63-65页 |
| 5.3.2 离线训练模块 | 第65-67页 |
| 5.3.3 在线过滤模块 | 第67-68页 |
| 5.4 系统性能分析 | 第68-71页 |
| 5.4.1 测试数据及方法 | 第68页 |
| 5.4.2 测试结果分析 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 后续工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79页 |
