文本分类在政府养老信息服务中的应用研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 论文研究背景和现实意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 分类技术的研究现状 | 第16-17页 |
| 1.2.2 信息化养老的研究现状 | 第17-18页 |
| 1.3 论文研究工作和组织结构 | 第18-21页 |
| 1.3.1 研究工作 | 第18-19页 |
| 1.3.2 组织结构 | 第19-21页 |
| 第二章 基于机器学习方法的分类算法概述 | 第21-41页 |
| 2.1 机器学习思想描述 | 第21-22页 |
| 2.2 相关理论知识介绍 | 第22-24页 |
| 2.2.1 贝叶斯学习理论 | 第22页 |
| 2.2.2 决策树理论 | 第22-23页 |
| 2.2.3 统计学习理论 | 第23-24页 |
| 2.3 文本分类的步骤 | 第24-31页 |
| 2.3.1 文本特征的表示 | 第26-28页 |
| 2.3.2 降低空间维数 | 第28-29页 |
| 2.3.3 相关特征选择算法 | 第29-31页 |
| 2.4 相关文本分类算法 | 第31-40页 |
| 2.4.1 朴素贝叶斯分类算法 | 第32-34页 |
| 2.4.2 Adaboost分类算法 | 第34-36页 |
| 2.4.3 支持向量机分类算法 | 第36-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 实验数据的采集 | 第41-53页 |
| 3.1 背景知识介绍 | 第41-43页 |
| 3.1.1 网络爬虫简介 | 第41-42页 |
| 3.1.2 网络爬虫的合法性 | 第42页 |
| 3.1.3 编码与解码 | 第42-43页 |
| 3.2 网络爬虫的策略 | 第43-45页 |
| 3.2.1 深度优先搜索策略 | 第43-44页 |
| 3.2.2 广度优先搜索策略 | 第44-45页 |
| 3.2.3 合作抓取策略 | 第45页 |
| 3.3 基于Pyhon-Scrapy的数据采集 | 第45-52页 |
| 3.3.1 Scrapy框架的基本原理 | 第46-47页 |
| 3.3.2 抓取策略分析 | 第47-48页 |
| 3.3.3 数据库存储设计 | 第48-50页 |
| 3.3.4 爬虫模块设计 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 文本分类模型在政府养老信息中的应用 | 第53-66页 |
| 4.1 开发平台与工具 | 第53-54页 |
| 4.1.1 实验环境的硬件信息 | 第53页 |
| 4.1.2 实验环境的软件信息 | 第53-54页 |
| 4.2 相关的关键技术 | 第54-55页 |
| 4.2.1 中文分词技术 | 第54-55页 |
| 4.2.2 Matplotlib工具介绍 | 第55页 |
| 4.2.3 Numpy工具介绍 | 第55页 |
| 4.3 多分类算法的实验分析 | 第55-59页 |
| 4.3.1 实验数据集 | 第55-56页 |
| 4.3.2 分类器的性能评估 | 第56-57页 |
| 4.3.3 实验设置与结果分析 | 第57-59页 |
| 4.4 分类结果的可视化模型研究 | 第59-64页 |
| 4.4.1 实验数据介绍 | 第59页 |
| 4.4.2 实验的可视化模型分析 | 第59-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 未来展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
