| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第6-10页 |
| 1.1 本文的研究背景 | 第6-7页 |
| 1.2 本文的研究目标 | 第7-8页 |
| 1.3 本文的主要内容 | 第8页 |
| 1.4 本文的章节结构 | 第8-10页 |
| 第二章 相关技术及研究现状 | 第10-22页 |
| 2.1 即时消息的监测过滤 | 第10-11页 |
| 2.1.1 关键词过滤 | 第10-11页 |
| 2.1.2 智能过滤 | 第11页 |
| 2.2 潜在语义索引 | 第11-17页 |
| 2.2.1 特征向量表示 | 第11-12页 |
| 2.2.2 奇异值分解 | 第12-13页 |
| 2.2.3 LSI 实例 | 第13-17页 |
| 2.3 SVM分类法 | 第17-22页 |
| 2.3.1 非线性支持向量机 | 第19页 |
| 2.3.2 线性支持向量机 | 第19-22页 |
| 第三章 系统总体设计 | 第22-32页 |
| 3.1 LYNC前端服务器中的过滤系统设计 | 第22-27页 |
| 3.1.0 文件结构设计 | 第24-25页 |
| 3.1.1 过滤点的选择分析 | 第25-26页 |
| 3.1.2 LYNC前端服务器核心模块 | 第26-27页 |
| 3.2 即时消息过滤引擎设计 | 第27-32页 |
| 3.2.1 信息采集与预处理 | 第29-30页 |
| 3.2.2 训练构造模块 | 第30页 |
| 3.2.3 基于LSI和SVM的检测分类模块 | 第30-32页 |
| 第四章 实现与验证 | 第32-49页 |
| 4.1 SIP介绍 | 第32-33页 |
| 4.2 SMO 算法 | 第33-37页 |
| 4.3 过滤器的部署-MSPL | 第37-43页 |
| 4.3.1 MSPL内置对象 | 第37-38页 |
| 4.3.2 MSPL部署 | 第38-39页 |
| 4.3.3 SVM分类实现及测试 | 第39-43页 |
| 4.4 系统应用举例 | 第43-48页 |
| 4.5 系统应用效果 | 第48-49页 |
| 第五章 结论 | 第49-51页 |
| 5.1 基于潜在语义索引的LYNC即时消息过滤系统特点 | 第49-50页 |
| 5.2 不足与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |