| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-11页 |
| 1. 引言 | 第11-16页 |
| ·研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·论文的研究方法 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 2. 业务需求分析 | 第16-22页 |
| ·角色行为分析 | 第16-18页 |
| ·搜索用户行为分析 | 第17页 |
| ·广告客户行为分析 | 第17-18页 |
| ·搜索引擎公司行为分析 | 第18页 |
| ·业务需求目标定位 | 第18页 |
| ·资源结构分析 | 第18-21页 |
| ·务资源结构 | 第19-20页 |
| ·系统资源结构 | 第20-21页 |
| ·务风险分析及应对策略 | 第21-22页 |
| 3. 文本分类理论概述 | 第22-32页 |
| ·文本分类的基本概念 | 第22-23页 |
| ·文本的训练样本集 | 第23页 |
| ·文本的表示模型 | 第23-24页 |
| ·文本的特征选择 | 第24-27页 |
| ·信息增益法(Information Gain) | 第25-26页 |
| ·信息法(Mutual Information,MI) | 第26页 |
| ·χ~2统计量 | 第26-27页 |
| ·文本分类器的设计 | 第27-31页 |
| ·中心向量法 | 第27页 |
| ·朴素贝叶斯分类法 | 第27-29页 |
| ·KNN(K最近邻居)算法 | 第29页 |
| ·基于投票的方法 | 第29-30页 |
| ·支持向量机(SVM) | 第30-31页 |
| ·文本分类器评估方法 | 第31-32页 |
| 4. 系统关键技术及解决方案 | 第32-38页 |
| ·潜在语义分析模型 | 第32-34页 |
| ·潜在概率语义分析模型 | 第34-38页 |
| ·潜在概率语义模型概述 | 第34-36页 |
| ·模型主题的设定及其语义表达 | 第36-38页 |
| 5. 潜在概率语义模型的设计与实现 | 第38-53页 |
| ·模型总体设计 | 第38-40页 |
| ·训练层 | 第38-39页 |
| ·应用层 | 第39页 |
| ·输出层 | 第39-40页 |
| ·模型功能模块设计 | 第40-47页 |
| ·文本预处理模块 | 第40-41页 |
| ·词频统计模块 | 第41-42页 |
| ·迭代计算模块 | 第42-45页 |
| ·字典压缩模块 | 第45页 |
| ·相关度计算模块 | 第45-47页 |
| ·数据结构设计 | 第47-48页 |
| ·接口设计 | 第48-50页 |
| ·异常处理设计 | 第50-53页 |
| 6. 测试与结果分析 | 第53-59页 |
| ·测试标准 | 第53-55页 |
| ·相关性评分机制 | 第53-54页 |
| ·人员评分保障机制 | 第54页 |
| ·评估样本抽样机制及跟踪机制 | 第54-55页 |
| ·绝对指标衡量机制 | 第55页 |
| ·测试平台 | 第55-56页 |
| ·测试结果分析 | 第56-59页 |
| ·相关性评估数据分布对比 | 第56-57页 |
| ·点击率和展现率数据对比分析 | 第57-59页 |
| 7. 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 8. 参考文献 | 第61-63页 |
| 9. 附录 | 第63-65页 |
| 索引 | 第65-66页 |
| 作者简历 | 第66-68页 |
| 学位论文数据集 | 第68页 |