| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·国内外现状 | 第8-9页 |
| ·研究内容和组织结构 | 第9-12页 |
| 第二章 企业竞争情报简介 | 第12-18页 |
| ·竞争情报的定义 | 第12页 |
| ·竞争情报的特征和意义 | 第12-14页 |
| ·竞争情报的基本理论和研究方法 | 第14-15页 |
| ·竞争情报的数据来源 | 第15-18页 |
| 第三章 WEB 文本挖掘简介 | 第18-24页 |
| ·WEB 挖掘 | 第18-19页 |
| ·WEB 挖掘的特点 | 第19页 |
| ·WEB 挖掘的分类 | 第19-20页 |
| ·WEB 文本挖掘 | 第20-24页 |
| ·WEB 文本挖掘概述 | 第20-21页 |
| ·文本挖掘的过程与模型结构 | 第21-24页 |
| 第四章 WEB 文本挖掘相关技术 | 第24-40页 |
| ·Web 页面预处理 | 第24-27页 |
| ·Web 页面结构分析 | 第24-25页 |
| ·Web 页面结构解析 | 第25-27页 |
| ·文本分词技术 | 第27-29页 |
| ·汉语切分规则 | 第27页 |
| ·汉语词切分方法 | 第27-28页 |
| ·文本分词处理 | 第28-29页 |
| ·关键词提取技术 | 第29-30页 |
| ·相关技术简介 | 第29-30页 |
| ·关键词的权重 | 第30页 |
| ·自动摘要技术 | 第30-33页 |
| ·自动摘要方法简介 | 第30-31页 |
| ·基于统计和结构分析的自动摘要方法 | 第31-33页 |
| ·文本去重技术 | 第33-36页 |
| ·文本去重概述 | 第33页 |
| ·文本特征表示 | 第33-34页 |
| ·文本去重算法设计 | 第34-35页 |
| ·实验结果 | 第35-36页 |
| ·文本分类相关算法 | 第36-40页 |
| ·朴素贝叶斯算法 | 第36-38页 |
| ·K-最近邻方法 | 第38-39页 |
| ·中心点法 | 第39-40页 |
| 第五章 基于 SVM 决策树的文本分类技术 | 第40-50页 |
| ·文本分类概述 | 第40-41页 |
| ·文本分类的基本过程 | 第40页 |
| ·基于 SVM 的文本分类的优势 | 第40-41页 |
| ·文本特征提取 | 第41-44页 |
| ·文本表示模型 | 第41-42页 |
| ·特征选择 | 第42-44页 |
| ·文本向量生成 | 第44页 |
| ·基于 SVM 决策树的文本分类方法 | 第44-48页 |
| ·支持向量机(SVM)和核函数 | 第44-45页 |
| ·SVM 决策树生成算法设计 | 第45-47页 |
| ·文本分类实现 | 第47-48页 |
| ·实验结果 | 第48-50页 |
| 第六章 面向企业竞争情报的 Web 文本挖掘系统设计与实现 | 第50-66页 |
| ·企业竞争情报分析与挖掘服务系统 | 第50-51页 |
| ·Web 文本挖掘系统总体设计 | 第51-55页 |
| ·系统总体架构 | 第51-52页 |
| ·系统功能模块设计 | 第52-55页 |
| ·Web 文本挖掘模块详细设计 | 第55-59页 |
| ·文本分词详细设计 | 第55-56页 |
| ·关键词提取和自动摘要详细设计 | 第56-57页 |
| ·文本去重详细设计 | 第57-58页 |
| ·文本分类详细设计 | 第58-59页 |
| ·系统数据库设计 | 第59-60页 |
| ·运行结果显示 | 第60-66页 |
| 第七章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·今后的展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-73页 |