多因素融合的域名推荐引擎研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题研究的目的和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.1.1 新词发现和热词提取 | 第9-11页 |
| 1.1.2 英文分词 | 第11页 |
| 1.1.3 评价模型 | 第11-12页 |
| 1.4 本文研究内容及组织结构 | 第12-14页 |
| 第2章 基于统计的新词发现和热词抽取方法研究 | 第14-32页 |
| 2.1 新词发现和热词抽取的相关技术 | 第14-20页 |
| 2.1.1 新词和热词的定义 | 第14页 |
| 2.1.2 新词发现方法 | 第14-18页 |
| 2.1.3 热词抽取方法 | 第18-20页 |
| 2.2 基于统计的新词和热词发现方法研究 | 第20-31页 |
| 2.2.1 微博的特点 | 第20页 |
| 2.2.2 微博文本预处理 | 第20-21页 |
| 2.2.3 基于统计的新词发现 | 第21-25页 |
| 2.2.4 基于统计的热词抽取 | 第25-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于分词的域名字典构建方法研究 | 第32-45页 |
| 3.1 分词的相关技术 | 第32-35页 |
| 3.1.1 基于字典的分词算法 | 第32-33页 |
| 3.1.2 基于统计的分词方法 | 第33-34页 |
| 3.1.3 基于理解的分词算法 | 第34-35页 |
| 3.2 基于字典匹配和统计相结合的域名分词 | 第35-39页 |
| 3.2.1 字符匹配和统计相结合的域名分词算法 | 第35-37页 |
| 3.2.2 未登录词提取 | 第37-39页 |
| 3.3 域名单词和新词相结合的域名字典构建 | 第39-44页 |
| 3.3.1 域名字典的构建 | 第40-41页 |
| 3.3.2 域名字典中的数据信息 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于随机森林的域名评价模型构建方法研究 | 第45-62页 |
| 4.1 评价模型的相关技术 | 第45-48页 |
| 4.1.1 基于统计的评价模型 | 第45-46页 |
| 4.1.2 基于机器学习的评价模型 | 第46-48页 |
| 4.2 基于随机森林的域名评价模型特征分析 | 第48-56页 |
| 4.2.1 域名字符特征 | 第49-55页 |
| 4.2.2 域名流量特征分析 | 第55-56页 |
| 4.3 基于随机森林的域名评价模型 | 第56-61页 |
| 4.3.1 数据集处理 | 第57-59页 |
| 4.3.2 基于随机森林的域名评价模型 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 基于评价的域名推荐模型的方法研究 | 第62-71页 |
| 5.1 基于评价的域名推荐 | 第62-64页 |
| 5.1.1 基于域名字典的域名推荐 | 第62-63页 |
| 5.1.2 基于用户选择的域名推荐 | 第63-64页 |
| 5.2 域名推荐模型建立 | 第64-70页 |
| 5.2.1 多因素融合的域名推荐引擎模型 | 第64-65页 |
| 5.2.2 多因素融合的域名推荐结果分析 | 第65-70页 |
| 5.3 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
