中文Web文本挖掘的若干关键技术研究及其实现
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-10页 |
| ·课题的来源和研究背景 | 第6-7页 |
| ·课题研究的意义 | 第7-8页 |
| ·课题的研究现状 | 第8-9页 |
| ·本文的主要工作 | 第9页 |
| ·全文的组织 | 第9-10页 |
| 第二章 Web 文本挖掘概述 | 第10-16页 |
| ·Web 文本挖掘的定义 | 第10-11页 |
| ·Web 的数据模型和结构特点 | 第11-12页 |
| ·Web 文本挖掘的任务 | 第12-13页 |
| ·Web 文本挖掘的主要应用领域 | 第13页 |
| ·Web 文本挖掘的一般过程 | 第13-14页 |
| ·中文Web 文本挖掘的主要步骤 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第三章 中文文本的分词处理 | 第16-30页 |
| ·中文语句书写的特点 | 第16页 |
| ·常见的中文分词方法 | 第16-17页 |
| ·切分歧义定义 | 第17-18页 |
| ·中文词语粗切分 | 第18-22页 |
| ·词典结构设计 | 第18-20页 |
| ·中文粗切分算法 | 第20-22页 |
| ·分词歧义处理 | 第22-27页 |
| ·交集型歧义处理 | 第22页 |
| ·交集型歧义消歧实验 | 第22-23页 |
| ·基于事例学习的组合型歧义处理 | 第23-27页 |
| ·事例的表示和事例库构建 | 第23-24页 |
| ·事例相似度计算 | 第24-26页 |
| ·事例检索过程 | 第26-27页 |
| ·组合型歧义消歧实验 | 第27页 |
| ·未登录词识别 | 第27-29页 |
| ·候选字段的选择 | 第27页 |
| ·识别策略 | 第27-28页 |
| ·未登录词识别实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 文本特征表示与特征选择 | 第30-37页 |
| ·文本特征表示的预处理 | 第30-31页 |
| ·停用词过滤 | 第30页 |
| ·低频词过滤 | 第30-31页 |
| ·文本的特征表示 | 第31-34页 |
| ·文本特征的定义 | 第31页 |
| ·向量空间模型 | 第31-33页 |
| ·特征项的权值计算 | 第33-34页 |
| ·特征选择 | 第34-36页 |
| ·特征选择的定义 | 第34页 |
| ·特征选择的目的 | 第34页 |
| ·常见特征选择方法 | 第34-36页 |
| ·特征选择的实现 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于概念的中文文本聚类 | 第37-48页 |
| ·文本聚类的研究进展和解决思路 | 第37-39页 |
| ·研究进展 | 第37-38页 |
| ·研究的难点 | 第38页 |
| ·本文的解决思路 | 第38-39页 |
| ·基于概念的中文文本聚类算法 | 第39-47页 |
| ·算法的基本思想 | 第39页 |
| ·知网的理论背景和结构 | 第39-41页 |
| ·算法的设计 | 第41-47页 |
| ·算法的主要步骤 | 第41页 |
| ·概念层次结构的建立 | 第41-43页 |
| ·概念映射 | 第43-44页 |
| ·概念消歧 | 第44-45页 |
| ·一种改进的K 中心点聚类分析 | 第45-47页 |
| ·文档类簇的概念描述 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第六章 系统的实现与实验结果分析 | 第48-56页 |
| ·系统的设计与实现 | 第48-50页 |
| ·系统的开发平台 | 第48页 |
| ·系统的整体结构 | 第48-49页 |
| ·系统子模块的实现 | 第49-50页 |
| ·实验和结果分析 | 第50-56页 |
| ·中文文本分词实验和分析 | 第51页 |
| ·文本聚类实验和分析 | 第51-56页 |
| 第七章 总结和展望 | 第56-58页 |
| ·全文总结 | 第56-57页 |
| ·下一步工作 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在学期间研究工作及发表论文 | 第62页 |
