基于向量空间模型的自适应文本过滤研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题背景与意义 | 第8-9页 |
| ·信息过滤与自适应信息过滤 | 第9-11页 |
| ·信息过滤 | 第9页 |
| ·自适应信息过滤 | 第9-10页 |
| ·信息过滤与信息检索等的关系 | 第10-11页 |
| ·文本过滤系统的评价 | 第11-12页 |
| ·研究现状及主要研究成果 | 第12-15页 |
| ·国内外研究的现状 | 第12-13页 |
| ·当前研究的主要成果 | 第13-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第2章 文本表示及自适应过滤系统体系结构 | 第16-24页 |
| ·向量空间模型 | 第16-17页 |
| ·VSM基本概念 | 第16-17页 |
| ·文本表示 | 第17-22页 |
| ·特征项抽取 | 第17-18页 |
| ·特征项权重的计算 | 第18-21页 |
| ·相关实验及结果分析 | 第21-22页 |
| ·系统结构 | 第22-23页 |
| ·实验语料来源 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于查询扩展技术的用户模板构造 | 第24-37页 |
| ·查询扩展技术简介 | 第24页 |
| ·查询扩展技术在本系统中的应用 | 第24-25页 |
| ·基于《同义词词林（扩展版）》的查询扩展 | 第25-26页 |
| ·《同义词词林（扩展版）》简介 | 第25-26页 |
| ·基于《词林》的扩展技术 | 第26页 |
| ·基于互联网挖掘的查询扩展 | 第26-32页 |
| ·方法概述 | 第27页 |
| ·候选扩展词抽取 | 第27-30页 |
| ·扩展词确认 | 第30-32页 |
| ·实验分析 | 第32-36页 |
| ·实验语料 | 第32-33页 |
| ·实验结果及分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 用户模板的自学习 | 第37-49页 |
| ·文本过滤的模板学习 | 第37-39页 |
| ·Rocchio方法 | 第37-38页 |
| ·AdaBoost方法 | 第38-39页 |
| ·WH和EG方法 | 第39页 |
| ·基于伪相关反馈的用户模板学习算法 | 第39-42页 |
| ·相关反馈及伪相关反馈 | 第39-40页 |
| ·伪相关反馈在自适应文本过滤中的应用 | 第40-41页 |
| ·用户模板学习策略 | 第41-42页 |
| ·实验结果 | 第42页 |
| ·基于层次聚类的用户模板学习算法 | 第42-48页 |
| ·层次聚类算法 | 第42-43页 |
| ·结合层次聚类的Rocchio学习机制 | 第43-45页 |
| ·Rocchio参数训练 | 第45-46页 |
| ·层次聚类的阈值训练 | 第46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小节 | 第48-49页 |
| 第5章 相关性判定 | 第49-58页 |
| ·相似度计算策略 | 第49-54页 |
| ·相似度（Similarity） | 第49-54页 |
| ·过滤阈值的确定 | 第54-57页 |
| ·本章小节 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第63页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第63页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第63-64页 |
| 致谢 | 第64页 |
