| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 前言 | 第10-16页 |
| ·课题来源 | 第10页 |
| ·背景介绍 | 第10-14页 |
| ·文本总结 | 第11页 |
| ·文本聚类 | 第11-12页 |
| ·信息提取 | 第12页 |
| ·关联分析 | 第12-13页 |
| ·文本分类 | 第13-14页 |
| ·本文结构 | 第14-16页 |
| 第二章 文本分类 | 第16-35页 |
| ·相关概念和技术 | 第16-22页 |
| ·文本信息预处理 | 第16-19页 |
| ·索引生成 | 第19页 |
| ·特征选取 | 第19-22页 |
| ·文本分类方法 | 第22-31页 |
| ·支持向量机 | 第22-24页 |
| ·KNN(K最邻近)算法 | 第24-27页 |
| ·朴素贝叶斯算法 | 第27-31页 |
| ·分类算法评估 | 第31-33页 |
| ·问题提出 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于主题和通用知识的混合类模型 | 第35-43页 |
| ·基于主题和通用知识的混合类模型 | 第35-37页 |
| ·类模型估计 | 第37-42页 |
| ·期望最大化算法(Expectation Maximization Algorithm) | 第37-39页 |
| ·估计算法 | 第39-42页 |
| ·分类过程 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 实验分析 | 第43-47页 |
| ·数据集 | 第43-44页 |
| ·评价指标 | 第44-45页 |
| ·性能评价 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于混合模型分类算法的应用 | 第47-55页 |
| ·在个性化推荐原型系统SmartWeb中的应用 | 第47-52页 |
| ·SmartWeb系统 | 第47-48页 |
| ·基于混合模型的用户兴趣模型 | 第48页 |
| ·基于混合模型分类模板的用户模型 | 第48-51页 |
| ·推荐过程 | 第51-52页 |
| ·在特定主题搜索引擎Crawler中的应用 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 攻硕期间参加的项目及发表的论文 | 第59页 |