Web News Hunter智能代理
| 第一章 引言 | 第1-12页 |
| ·研究背景 | 第8-9页 |
| ·论文的主要工作 | 第9-10页 |
| ·对于HTML文本的处理和表示 | 第10页 |
| ·网络搜索器的技术和实现 | 第10页 |
| ·文本分类和支持向量机的技术和实现 | 第10页 |
| ·Web News Hunter的设计和实现 | 第10页 |
| ·论文的组织 | 第10-12页 |
| 第二章 智能代理 | 第12-15页 |
| ·智能代理定义 | 第12页 |
| ·智能代理分类 | 第12-13页 |
| ·Web News Hunter智能代理 | 第13-15页 |
| 第三章 信息预处理 | 第15-21页 |
| ·数据缩减 | 第15-17页 |
| ·文本 | 第15-16页 |
| ·注释 | 第16页 |
| ·简单标签 | 第16页 |
| ·开始标签和结束标签 | 第16-17页 |
| ·汉语分词 | 第17-21页 |
| ·汉语分词问题的一般描述 | 第17页 |
| ·分词方法 | 第17-18页 |
| ·最大概率分词 | 第18-21页 |
| 第四章 文本表示 | 第21-24页 |
| ·文本表示模型 | 第21-22页 |
| ·矢量空间模型 | 第21-22页 |
| ·布尔模型 | 第22页 |
| ·项的选择 | 第22-24页 |
| 第五章 网络新闻挖掘技术 | 第24-27页 |
| ·超文本链接的类型 | 第24页 |
| ·检索网站的常用方法 | 第24-25页 |
| ·网站的链接结构 | 第25-26页 |
| ·检索整个Internet | 第26-27页 |
| 第六章 文本分类和支持向量机 | 第27-33页 |
| ·分类方法简介 | 第27-28页 |
| ·支持向量机 | 第28-33页 |
| ·机器学习的基本问题和方法 | 第28-29页 |
| ·支持向量机思想 | 第29-31页 |
| ·广义最优分类面 | 第31-33页 |
| 第七章 Web NewsHunter的设计和实现 | 第33-66页 |
| ·Web News Hunter的任务 | 第33页 |
| ·Web News Hunter的设计原则 | 第33-34页 |
| ·Web News Hunter的总体结构 | 第34-36页 |
| ·各子模块的结构 | 第36-55页 |
| ·初始和反馈文档收集模块 | 第36-39页 |
| ·Windows保存已经阅读过文件的方法 | 第36-38页 |
| ·初始和反馈文档收集模块的流程图 | 第38页 |
| ·初始和反馈文档收集模块的主要数据结构 | 第38-39页 |
| ·信息预处理模块 | 第39-47页 |
| ·数据缩减 | 第39-41页 |
| ·汉语分词 | 第41-43页 |
| ·进一步的工作-对于标签和歧义的处理 | 第43-47页 |
| ·网络新闻搜索模块 | 第47-49页 |
| ·网络新闻搜索模块的流程图 | 第47-48页 |
| ·网络新闻搜索模块的主要数据结构 | 第48-49页 |
| ·文本表示模块 | 第49-52页 |
| ·文本表示模块的流程图 | 第50页 |
| ·文本表示模块的主要数据结构 | 第50-51页 |
| ·进一步的工作-的权重对于性能的影响 | 第51-52页 |
| ·文档分类器模块 | 第52-55页 |
| ·文本分类器模块的流程图 | 第52-53页 |
| ·文本分类器的主要数据结构 | 第53-54页 |
| ·进一步的工作-学习和反馈的作用 | 第54-55页 |
| ·一个例子 | 第55-64页 |
| ·初始化 | 第55-60页 |
| ·初始和反馈文档收集模块收集初始训练文档 | 第55-56页 |
| ·信息预处理 | 第56-57页 |
| ·文本表示 | 第57-58页 |
| ·训练文本分类器 | 第58-60页 |
| ·每天8:00 | 第60-63页 |
| ·网络新闻搜索 | 第61-62页 |
| ·信息预处理 | 第62页 |
| ·文本表示 | 第62页 |
| ·文本分类器预测 | 第62-63页 |
| ·每天23:45 | 第63-64页 |
| ·收集用户反馈信息 | 第64页 |
| ·和并以前的训练集 | 第64页 |
| ·重新训练文本分类器 | 第64页 |
| ·用户的使用说明 | 第64-66页 |
| 第八章 结束语 | 第66-69页 |
| ·论文总结 | 第66-67页 |
| ·未来工作的展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-71页 |