中文网页分类技术的研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 前言 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 文本分类在国际上的发展 | 第12-13页 |
| 1.2.2 文本分类在国内的发展 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织 | 第15-17页 |
| 第2章 中文网页分类概述 | 第17-24页 |
| 2.1 中文网页自动分类的定义 | 第17-19页 |
| 2.1.1 文本分类的定义 | 第17-18页 |
| 2.1.2 中文网页分类的定义和特点 | 第18-19页 |
| 2.2 中文网页自动分类的过程 | 第19-20页 |
| 2.3 中文网页分类的关键 | 第20-24页 |
| 2.3.1 网页预处理 | 第20-21页 |
| 2.3.2 特征提取 | 第21-22页 |
| 2.3.3 分类算法 | 第22页 |
| 2.3.4 性能评估 | 第22-24页 |
| 第3章 网页预处理技术及中文分词的实现 | 第24-38页 |
| 3.1 网页预处理概述 | 第24-25页 |
| 3.2 局部噪声处理 | 第25-28页 |
| 3.2.1 HTMLParser简介 | 第25-28页 |
| 3.2.2 基于HTMLParser预处理算法 | 第28页 |
| 3.3 全局噪声处理 | 第28-32页 |
| 3.3.1 近似镜像网页检测方法 | 第29-31页 |
| 3.3.2 近似镜像网页的检测算法 | 第31-32页 |
| 3.4 中文分词的实现 | 第32-38页 |
| 3.4.1 中文分词的主要问题 | 第32-33页 |
| 3.4.2 中文分词的方法 | 第33-34页 |
| 3.4.3 几种已有中文分词系统 | 第34-35页 |
| 3.4.4 中文分词的实现 | 第35-38页 |
| 第4章 特征提取及TFIDF的改进 | 第38-47页 |
| 4.1 特征提取和表示 | 第38-42页 |
| 4.1.1 特征提取 | 第38-40页 |
| 4.1.2 特征表示 | 第40-42页 |
| 4.2 TFIDF的改进 | 第42-47页 |
| 4.2.1 TFIDF简介 | 第42-43页 |
| 4.2.2 TFIDF的不足 | 第43-44页 |
| 4.2.3 TFIDF的改进 | 第44-47页 |
| 第5章 分类算法比较及改进方法 | 第47-58页 |
| 5.1 几种传统的分类算法 | 第47-53页 |
| 5.1.1 简单向量距离分类法 | 第47页 |
| 5.1.2 朴素贝叶斯分类法(NB) | 第47-49页 |
| 5.1.3 K近邻分类法(kNN) | 第49-50页 |
| 5.1.4 支持向量机分类法(SVM) | 第50-53页 |
| 5.2 几种分类算法比较和改进方法 | 第53-55页 |
| 5.2.1 几种分类算法比较 | 第53页 |
| 5.2.2 几种已有分类算法改进方案 | 第53-55页 |
| 5.3 基于中心向量法的距离加权kNN分类算法 | 第55-58页 |
| 5.3.1 凸包及样本的近似均匀性验证 | 第55-56页 |
| 5.3.2 基于中心向量的距离加权kNN算法 | 第56-58页 |
| 第6章 中文网页分类实现及分类测试 | 第58-69页 |
| 6.1 中文网页分类实现 | 第58-63页 |
| 6.1.1 中文网页分类模块介绍 | 第58-60页 |
| 6.1.2 中文网页分类系统实现 | 第60-63页 |
| 6.2 分类测试 | 第63-69页 |
| 6.2.1 测试用语料库 | 第63页 |
| 6.2.2 测试环境说明 | 第63-64页 |
| 6.2.3 测试评价指标 | 第64页 |
| 6.2.4 测试实验设置和结果 | 第64-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |
