| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 引言 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·博客的相关概念 | 第11-12页 |
| ·垃圾博客的数据特征 | 第12页 |
| ·垃圾博客过滤研究现状 | 第12-13页 |
| ·分类算法在垃圾博客中的意义 | 第13-14页 |
| ·本文的主要工作与内容安排 | 第14-16页 |
| 第2章 垃圾博客数据特征提取 | 第16-32页 |
| ·垃圾博客的定义 | 第16页 |
| ·垃圾博客的特点 | 第16-18页 |
| ·链接工厂博客 | 第17-18页 |
| ·广告博客 | 第18页 |
| ·博客数据的采集 | 第18-19页 |
| ·博客内容数据预处理和文本表示 | 第19-21页 |
| ·数据预处理 | 第19-20页 |
| ·文本表示 | 第20-21页 |
| ·垃圾博客的统计特征 | 第21-30页 |
| ·基于博客内容的统计特征 | 第21-27页 |
| ·基于博客正文结构的统计特征 | 第27-28页 |
| ·基于正文词性的特征 | 第28-29页 |
| ·基于链接的特征 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 面向垃圾博客过滤的动态组合分类算法研究 | 第32-44页 |
| ·组合分类器的引入 | 第32-33页 |
| ·传统的组合分类器结构 | 第33-34页 |
| ·级联组合分类器 | 第34页 |
| ·并联组合分类器 | 第34页 |
| ·树状组合分类器简介 | 第34-37页 |
| ·树状组合分类器的结构 | 第35页 |
| ·树状组合分类器的训练过程 | 第35-36页 |
| ·树状组合分类器的关键技术 | 第36页 |
| ·树状组合分类器的特点 | 第36-37页 |
| ·针对垃圾博客过滤的树状组合分类器设计 | 第37-42页 |
| ·节点分类器的设计 | 第37-38页 |
| ·节点分类器训练样本的选择 | 第38-40页 |
| ·样本分割策略的设计 | 第40-41页 |
| ·面向垃圾博客过滤的动态调整策略 | 第41-42页 |
| ·垃圾博客的分类过滤过程 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 垃圾博客过滤实验与分析 | 第44-52页 |
| ·实验数据 | 第44页 |
| ·评估指标 | 第44-45页 |
| ·实验结果与分析 | 第45-51页 |
| ·与常用的SVM、AdaBoost 方法的比较 | 第45-48页 |
| ·关键参数训练难度阈值θ对分类器性能的影响 | 第48页 |
| ·关键参数交迭度overlap 对分类器性能的影响 | 第48-49页 |
| ·样本分割策略对分类器性能的影响 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于垃圾过滤的分布式博客信息检索原型系统 | 第52-62页 |
| ·系统基础平台Hadoop 简介 | 第52-53页 |
| ·博客信息检索系统结构 | 第53-54页 |
| ·博客信息检索设计 | 第54-59页 |
| ·垃圾博客过滤子系统 | 第54-55页 |
| ·并行索引子系统 | 第55-56页 |
| ·分布式检索子系统 | 第56-59页 |
| ·系统检索结果 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第6章 总结展望 | 第62-64页 |
| ·本文工作总结 | 第62-63页 |
| ·进一步研究方向 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 图目录 | 第67-69页 |
| 表目录 | 第69-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间参与科研项目和发表的论文 | 第71页 |