| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·信息过滤 | 第10-13页 |
| ·理论概述 | 第10-11页 |
| ·目前研究方法 | 第11-13页 |
| 第二章 文本信息过滤模型及相关技术 | 第13-27页 |
| ·基本模型 | 第13-14页 |
| ·基于内容的文本信息过滤 | 第14-22页 |
| ·文本表示技术 | 第14-17页 |
| ·分词技术 | 第17-18页 |
| ·特征提取 | 第18-20页 |
| ·特征项权值计算 | 第20-21页 |
| ·用户需求模板 | 第21页 |
| ·匹配策略 | 第21-22页 |
| ·反馈 | 第22页 |
| ·文本分类在信息过滤中的应用 | 第22-25页 |
| ·文本分类与信息过滤 | 第22-23页 |
| ·常用的文本分类算法 | 第23-25页 |
| ·文本过滤系统的性能评价 | 第25-27页 |
| ·查全率和查准率 | 第25页 |
| ·F-value | 第25-27页 |
| 第三章 适用于不均衡数据集的SVM 方法 | 第27-41页 |
| ·支持向量机理论 | 第27-31页 |
| ·不均衡数据集上的文本分类 | 第31-33页 |
| ·问题概述 | 第31页 |
| ·不均衡数据集对SVM 分类精度的影响 | 第31-32页 |
| ·不均衡数据集文本分类的研究现状 | 第32-33页 |
| ·基于聚类和遗传交叉的少数类样本生成方法 | 第33-38页 |
| ·聚类 | 第33-36页 |
| ·遗传算法 | 第36-37页 |
| ·少数类样本生成方法 | 第37-38页 |
| ·实验及结果分析 | 第38-41页 |
| 第四章 改进的支持向量机方法 | 第41-52页 |
| ·C-KNN 与SVM 相结合的分类算法 | 第41-46页 |
| ·KNN 算法基本理论 | 第41-42页 |
| ·改进的KNN 算法 | 第42-43页 |
| ·C-KNN 与SVM 相结合的分类算法 | 第43-45页 |
| ·实验及结果分析 | 第45-46页 |
| ·用于有害文本信息过滤的SVM 组合核函数设计 | 第46-52页 |
| ·SVM 核函数原理 | 第46-47页 |
| ·有害文本特征组合语义信息建模 | 第47-49页 |
| ·基于组合核函数的SVM | 第49-50页 |
| ·实验及结果分析 | 第50-52页 |
| 第五章 文本信息过滤技术在网络有害信息过滤中的应用 | 第52-65页 |
| ·系统设计思路 | 第52-53页 |
| ·设计思路 | 第52页 |
| ·基于决策树理论的多层SVM | 第52-53页 |
| ·系统总体设计 | 第53-55页 |
| ·系统基本框架设计 | 第53-54页 |
| ·系统模块设计 | 第54-55页 |
| ·系统主要模块实现 | 第55-62页 |
| ·Web 页正文提取模块 | 第55-56页 |
| ·分词模块 | 第56-58页 |
| ·VSM 构造模块 | 第58-59页 |
| ·训练样本生成模块 | 第59-60页 |
| ·过滤模块 | 第60-62页 |
| ·结果及评估 | 第62-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表文章目录 | 第69-70页 |
| 致谢 | 第70-71页 |
| 详细摘要 | 第71-79页 |