农业信息搜索引擎分类器的研究
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究的目的与意义 | 第12-13页 |
| 1.2.1 研究的目的 | 第12页 |
| 1.2.2 研究的意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 国外研究现状 | 第13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 农业信息文本分类现状 | 第14页 |
| 1.4 本文的研究内容和组织结构 | 第14-16页 |
| 1.4.1 本文的研究内容 | 第15页 |
| 1.4.2 本文的组织结构 | 第15-16页 |
| 2 农业信息搜索引擎的架构与工作原理 | 第16-19页 |
| 2.1 全文搜索引擎与垂直搜索引擎 | 第16页 |
| 2.2 农业信息搜索引擎的架构 | 第16-17页 |
| 2.3 农业信息搜索引擎的工作过程 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 分类器概念与相关技术 | 第19-30页 |
| 3.1 分类器的概念 | 第19页 |
| 3.2 农业信息文本预处理 | 第19-21页 |
| 3.2.1 中文分词 | 第20页 |
| 3.2.2 词干提取 | 第20页 |
| 3.2.3 去除虚词 | 第20-21页 |
| 3.3 农业信息分类特征 | 第21-25页 |
| 3.3.1 信息增益 | 第21-22页 |
| 3.3.2 互信息 | 第22页 |
| 3.3.3 卡方统计 | 第22-23页 |
| 3.3.4 文档频率 | 第23-24页 |
| 3.3.5 特征提取统计 | 第24-25页 |
| 3.4 农业信息文本训练库 | 第25-29页 |
| 3.4.1 农业信息类别 | 第25-27页 |
| 3.4.2 类别文本 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 信息文本分类算法研究 | 第30-46页 |
| 4.1 决策树分类算法 | 第30-33页 |
| 4.1.1 决策树属性划分 | 第31-32页 |
| 4.1.2 ID3算法 | 第32页 |
| 4.1.3 决策树算法C4.5 | 第32-33页 |
| 4.2 K-近邻分类算法 | 第33-35页 |
| 4.2.1 最近邻搜索 | 第34页 |
| 4.2.2 K-近邻算法基本要素 | 第34-35页 |
| 4.2.3 K-近邻算法步骤 | 第35页 |
| 4.3 支持向量机分类算法 | 第35-39页 |
| 4.3.1 -a-1 方法 | 第37-38页 |
| 4.3.2 DAG方法 | 第38-39页 |
| 4.4 朴素贝叶斯分类算法 | 第39-41页 |
| 4.4.1 贝叶斯定理 | 第39-40页 |
| 4.4.2 朴素贝叶斯分类流程 | 第40-41页 |
| 4.5 分类算法实验 | 第41-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 农业信息搜索引擎分类器实现 | 第46-57页 |
| 5.1 改进优化朴素贝叶斯分类器 | 第46-49页 |
| 5.1.1 朴素贝叶斯公式变化 | 第46-47页 |
| 5.1.2 服务器部署改进 | 第47-49页 |
| 5.2 分类器系统实现 | 第49-56页 |
| 5.2.1 系统实现环境 | 第49页 |
| 5.2.2 系统设计 | 第49-50页 |
| 5.2.3 系统实现 | 第50-54页 |
| 5.2.4 系统测试 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| 6.1 本文研究工作总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63页 |
