Web文本挖掘技术研究及其实现
| 第一章 绪论 | 第1-16页 |
| 1．1 我们所期望的信息服务 | 第7-9页 |
| 1．2 WEB挖掘的起源 | 第9页 |
| 1．3 WEB挖掘的定义 | 第9-10页 |
| 1．4 WEB挖掘与WEB信息检索 | 第10-11页 |
| 1．4．1 Web信息检索的定义 | 第10页 |
| 1．4．2 两者的关系 | 第10-11页 |
| 1．5 WEB挖掘的研究方向 | 第11-15页 |
| 1．5．1 Web文本挖掘 | 第12-14页 |
| 1．5．2 Web结构挖掘 | 第14页 |
| 1．5．3 Web使用记录挖掘 | 第14-15页 |
| 1．6 本文的工作 | 第15-16页 |
| 第二章 WEB文本挖掘系统的设计 | 第16-20页 |
| 2．1 WEB的数据模型 | 第16页 |
| 2．2 WEB文本挖掘方法 | 第16-17页 |
| 2．3 WEB文本挖掘系统的设计 | 第17-20页 |
| 2．3．1 系统组件 | 第18-19页 |
| 2．3．2 系统行为 | 第19-20页 |
| 第三章 WEB文档采集器的设计与实现 | 第20-29页 |
| 3．1 HTTP简介 | 第20-21页 |
| 3．2 总体设计思想 | 第21-25页 |
| 3．2．1 搜集代理模块 | 第22页 |
| 3．2．2 收集控制模块 | 第22-23页 |
| 3．2．3 文档发现模块 | 第23-25页 |
| 3．3 主要的实现技术 | 第25-28页 |
| 3．3．1 数据结构 | 第25-26页 |
| 3．3．2 进程间的通信 | 第26页 |
| 3．3．3 Web抓取 | 第26-28页 |
| 3．4 小结 | 第28-29页 |
| 第四章 聚类／分类算法概述 | 第29-44页 |
| 4．1 样本类型及相似性测度 | 第29-32页 |
| 4．1．1 样本类型 | 第29-30页 |
| 4．1．2 相似性测度 | 第30-32页 |
| 4．2 聚类算法介绍 | 第32-40页 |
| 4．2．1 聚类三步曲 | 第32-34页 |
| 4．2．2 几种常用的聚类策略 | 第34-35页 |
| 4．2．3 类的定义 | 第35页 |
| 4．2．4 聚类谱系图 | 第35-36页 |
| 4．2．5 系统聚类法 | 第36-38页 |
| 4．2．6 动态聚类法 | 第38-40页 |
| 4．3 分类算法介绍 | 第40-44页 |
| 4．3．1 判别分析 | 第40-42页 |
| 4．3．2 机器学习的思路 | 第42-43页 |
| 4．3．3 神经网络 | 第43-44页 |
| 第五章 聚类/分类中的粒度原理 | 第44-54页 |
| 5．1 聚类中的粒度原理 | 第44-47页 |
| 5．1．1 信息料度 | 第45页 |
| 5．1．2 信息料度的形式化描述 | 第45-46页 |
| 5．1．3 不同料度世界的关系 | 第46-47页 |
| 5．2 分类中的粒度原理 | 第47-49页 |
| 5．2．1 聚类结果和先验知识的不协调 | 第47-48页 |
| 5．2．2 从料度的角度理解不协调性 | 第48-49页 |
| 5．3 统一在粒度框架下的聚类和分类 | 第49-50页 |
| 5．4 基于信息粒度原理的分类算法 | 第50-52页 |
| 5．5 小结 | 第52-54页 |
| 第六章 文本聚类中权重计算的对偶性策略 | 第54-65页 |
| 6．1 文本的表示 | 第54-57页 |
| 6．1．1 务实的统计路线 | 第54-56页 |
| 6．1．2 文本的形式化表示 | 第56-57页 |
| 6．2 特征项的选取 | 第57-58页 |
| 6．3 权重计算中的对偶性策略 | 第58-62页 |
| 6．4 概念空间 | 第62-64页 |
| 6．5 概念空间在文本聚类中的应用 | 第64页 |
| 6．6小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7．1 总结 | 第65页 |
| 7．2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
