信息过滤技术在网站信息监管中的应用与研究
| 摘要 | 第4-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 信息过滤系统研究现状 | 第13-15页 |
| 1.3 本文研究内容和主要工作 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 信息过滤相关技术 | 第17-37页 |
| 2.1 Web页内容提取 | 第17-26页 |
| 2.1.1 启发式Web页内容提取 | 第17-22页 |
| 2.1.2 机器学习提取Web页内容 | 第22-26页 |
| 2.2 中文分词最大匹配算法 | 第26-29页 |
| 2.2.1 设计目标 | 第27页 |
| 2.2.2 词库 | 第27-28页 |
| 2.2.3 中文分词算法设计 | 第28页 |
| 2.2.4 中文分词算法的实现细节 | 第28-29页 |
| 2.3 向量空间模型表示文本 | 第29-33页 |
| 2.3.1 向量空间模型 | 第29-30页 |
| 2.3.2 效果测试 | 第30-33页 |
| 2.4 特征选择和特征提取 | 第33-36页 |
| 2.4.1 特征选择 | 第33-35页 |
| 2.4.2 特征提取 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 文本文档分类器 | 第37-45页 |
| 3.1 归纳学习方法 | 第38-41页 |
| 3.1.1 分类器 | 第38页 |
| 3.1.2 文本表示和特征 | 第38-39页 |
| 3.1.3 归纳学习的分类器 | 第39-41页 |
| 3.2 数据集测试 | 第41-42页 |
| 3.3 测试结果 | 第42-44页 |
| 3.4 结论 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 网站信息监管功能设计 | 第45-51页 |
| 4.1 总体框架设计 | 第45-46页 |
| 4.2 训练集准备 | 第46-47页 |
| 4.3 数据处理 | 第47页 |
| 4.4 模型选择 | 第47-50页 |
| 4.4.1 RBF径向基本函数核心 | 第47-48页 |
| 4.4.2 交叉验证和网格搜索 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 网站信息监管功能实现 | 第51-60页 |
| 5.1 网站信息数据收集 | 第51-52页 |
| 5.2 数据预处理 | 第52-56页 |
| 5.3 SVM支持向量机训练和测试 | 第56-59页 |
| 5.3.1 SVM分类器测试 | 第57页 |
| 5.3.2 SVM分类器最终测试结果 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
