文本内容过滤的关键技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-13页 |
| ·信息过滤产生的背景 | 第7页 |
| ·相关研究 | 第7-12页 |
| ·国内外相关研究概述 | 第7-8页 |
| ·网络信息检索技术 | 第8-10页 |
| ·自然语言理解技术 | 第10-11页 |
| ·文本信息过滤任务描述 | 第11-12页 |
| ·本文的内容安排 | 第12-13页 |
| 第二章 WEB 上的信息过滤问题 | 第13-21页 |
| ·信息过滤系统概述 | 第13-14页 |
| ·信息过滤系统基本原理 | 第13页 |
| ·信息过滤的一般处理流程 | 第13-14页 |
| ·网络信息过滤系统分类 | 第14-15页 |
| ·根据过滤方法分类 | 第14-15页 |
| ·根据操作的主动性分类 | 第15页 |
| ·根据过滤操作的位置分类~[15] | 第15页 |
| ·相关信息检索模型 | 第15-18页 |
| ·布尔模型 | 第16-17页 |
| ·向量空间模型 | 第17页 |
| ·潜在语义索引 | 第17-18页 |
| ·神经网络模型 | 第18页 |
| ·文本过滤系统的性能评价 | 第18-21页 |
| ·查全率和查准率 | 第18-19页 |
| ·Utility | 第19页 |
| ·F 值 | 第19-20页 |
| ·平均非插值准确率 | 第20-21页 |
| 第三章 文本内容过滤的关键技术 | 第21-33页 |
| ·文本预处理 | 第21-22页 |
| ·中文分词技术 | 第22-25页 |
| ·中文分词的重要性及其主要指标 | 第22-23页 |
| ·几种重要的分词方法 | 第23-24页 |
| ·自动分词中存在的主要问题 | 第24-25页 |
| ·特征选取 | 第25-29页 |
| ·定义 | 第25-26页 |
| ·特征选取方法 | 第26-29页 |
| ·特征项权重计算 | 第29-30页 |
| ·用户需求模板的表示 | 第30页 |
| ·显式用户建模 | 第30页 |
| ·隐式用户建模 | 第30页 |
| ·文本分类 | 第30-33页 |
| ·Bayes 法 | 第30-31页 |
| ·K 近邻法 | 第31页 |
| ·支持向量机法 | 第31-32页 |
| ·决策树法 | 第32-33页 |
| 第四章 文本内容过滤原型系统 | 第33-42页 |
| ·总体框架 | 第33-34页 |
| ·主要模块的实现方案 | 第34-39页 |
| ·分词子模块 | 第34-37页 |
| ·特征提取子模块 | 第37-38页 |
| ·权重计算子模块 | 第38页 |
| ·过滤匹配模块 | 第38-39页 |
| ·系统评价 | 第39-42页 |
| ·实验结果评价 | 第39页 |
| ·实验结果分析 | 第39-42页 |
| 第五章 总结与展望 | 第42-43页 |
| ·本文的总结 | 第42页 |
| ·未来工作 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 在学期间公开发表论文及著作情况 | 第47页 |
