| 第1章 绪论 | 第1-17页 |
| ·互联网的兴起与发展 | 第9-10页 |
| ·互联网上的信息过滤 | 第10-15页 |
| ·研究背景及意义 | 第10-12页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-15页 |
| ·本文主要工作及章节安排 | 第15-17页 |
| 第2章 信息过滤相关技术 | 第17-34页 |
| ·信息过滤的体系结构 | 第17-18页 |
| ·信息过滤系统的分类 | 第18-22页 |
| ·信息过滤的主要数学模型 | 第22-27页 |
| ·布尔模型 | 第22-23页 |
| ·向量空间模型 | 第23-25页 |
| ·概率推理模型 | 第25-27页 |
| ·信息过滤技术中的常用文本分类算法 | 第27-31页 |
| ·决策树算法 | 第28页 |
| ·支持向量机算法 | 第28-29页 |
| ·简单 Bayes算法 | 第29-30页 |
| ·神经网络算法 | 第30页 |
| ·KNN(k-Nearest Neighbor)算法 | 第30-31页 |
| ·信息过滤技术与防火墙的区别 | 第31页 |
| ·信息过滤系统性能评价 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 系统总体结构设计 | 第34-39页 |
| ·系统总体结构设计 | 第34-36页 |
| ·系统设计涉及到的主要方面 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 方案涉及到的关键技术 | 第39-50页 |
| ·非法文本的特征及文本表示 | 第39-42页 |
| ·非法文本的传播方式 | 第39-40页 |
| ·非法文本内容的结构特征 | 第40页 |
| ·非法文本用词的形式特征 | 第40-41页 |
| ·文本表示 | 第41-42页 |
| ·分词技术 | 第42-45页 |
| ·特征提取技术 | 第45-48页 |
| ·基于 KNN的文本分类算法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 系统的实施与实验结果 | 第50-57页 |
| ·系统的训练阶段 | 第51-53页 |
| ·分词的实施 | 第51-52页 |
| ·特征库的实施 | 第52-53页 |
| ·训练阶段流程 | 第53页 |
| ·系统的过滤阶段 | 第53-54页 |
| ·实验结果及评估 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |