Web文本分类关键技术研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及其意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 相关技术分析与研究 | 第18-26页 |
| 2.1 Web文本挖掘 | 第18-19页 |
| 2.2 Web文本分类 | 第19-20页 |
| 2.2.1 Web文本分类的定义 | 第19页 |
| 2.2.2 Web文本分类的步骤 | 第19-20页 |
| 2.3 文本分类相关技术 | 第20-22页 |
| 2.3.1 文本预处理 | 第20页 |
| 2.3.2 降维技术 | 第20-21页 |
| 2.3.3 特征选择 | 第21-22页 |
| 2.4 结果的评估方法 | 第22-25页 |
| 2.4.1 预测模型的评分函数 | 第22-23页 |
| 2.4.2 描述模型的评分函数 | 第23-24页 |
| 2.4.3 其它评分函数 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 Web文本分类预处理技术研究 | 第26-38页 |
| 3.1 中文分词方法 | 第26-27页 |
| 3.1.1 基于语义词典的分词 | 第26-27页 |
| 3.1.2 基于统计的分词 | 第27页 |
| 3.2 文本表示 | 第27-28页 |
| 3.3 特征权重计算 | 第28-30页 |
| 3.4 特征提取及其存在的问题 | 第30页 |
| 3.5 基于CHI检验的特征关联提取方法 | 第30-32页 |
| 3.6 IG-CHI特征选择方法 | 第32-33页 |
| 3.7 实验 | 第33-36页 |
| 3.7.2 实验方法 | 第34页 |
| 3.7.3 结果分析 | 第34-36页 |
| 3.8 本章小结 | 第36-38页 |
| 第四章 基于多层次集成学习的Web文本分类器研究 | 第38-46页 |
| 4.1 数据分类分析方法 | 第38-42页 |
| 4.1.1 贝叶斯分类 | 第38-40页 |
| 4.1.2 K-近邻分类方法 | 第40-41页 |
| 4.1.3 粗糙集分类方法 | 第41-42页 |
| 4.2 多层次集成学习分类器研究 | 第42-43页 |
| 4.3 实验分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 Web文本分类系统的设计与实现 | 第46-56页 |
| 5.1 Web文本抽取器的分析 | 第46-48页 |
| 5.1.1 Web文本抽取器的原理 | 第46-47页 |
| 5.1.2 Web文本抽取器的组成 | 第47-48页 |
| 5.2 Web文本分类系统的设计 | 第48-53页 |
| 5.2.1 架构设计 | 第48-49页 |
| 5.2.2 数据抓取算法 | 第49-50页 |
| 5.2.3 线程管理模块 | 第50-51页 |
| 5.2.4 资源抓取队列 | 第51页 |
| 5.2.5 目标URL过滤 | 第51-52页 |
| 5.2.6 文本分类模块 | 第52-53页 |
| 5.3 Web文本分类系统的实现 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
