基于内容的不良网页信息过滤方法研究
| 提要 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·网络信息过滤技术的分类及简介 | 第12-13页 |
| ·基于网页地址（URL）的过滤 | 第12页 |
| ·基于网页内容的过滤 | 第12-13页 |
| ·文本过滤技术的发展及现状 | 第13-14页 |
| ·论文的主要工作和组织结构 | 第14-16页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 基于文本内容的网页信息过滤 | 第16-23页 |
| ·网页信息的传输和 HTML 文档标签加权 | 第16-18页 |
| ·网页分类的概念 | 第18-19页 |
| ·网页文本过滤流程 | 第19-21页 |
| ·系统评价指标 | 第21-23页 |
| 第3章 特征选择和权值计算 | 第23-37页 |
| ·文本的向量表示 | 第23页 |
| ·文本的特征选择 | 第23-27页 |
| ·文档频度 | 第24页 |
| ·χ~2统计量 | 第24-25页 |
| ·信息增益 | 第25页 |
| ·互信息 | 第25-26页 |
| ·期望交叉熵 | 第26页 |
| ·文本证据权 | 第26-27页 |
| ·特征选择方法对比 | 第27页 |
| ·文本的特征构建流程 | 第27-33页 |
| ·χ~2统计特征选择 | 第28页 |
| ·生成文本索引矩阵 | 第28-29页 |
| ·特征词共现矩阵 | 第29-31页 |
| ·简化的 DBSCAN 算法特征聚类选择 | 第31-33页 |
| ·文本特征表示 | 第33页 |
| ·特征簇权值计算 | 第33-36页 |
| ·加入类别因子的TF-IDF权重计算 | 第34-35页 |
| ·基于簇的文档向量权值计算 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于贝叶斯和支持向量机的双层过滤方法 | 第37-52页 |
| ·常用文本分类方法介绍 | 第37-39页 |
| ·KNN 算法 | 第37-38页 |
| ·朴素贝叶斯方法 | 第38-39页 |
| ·支持向量机方法 | 第39页 |
| ·双层过滤分类方法设计原理 | 第39-41页 |
| ·双层过滤器设计实现 | 第41-50页 |
| ·第一层朴素贝叶斯过滤 | 第42-44页 |
| ·第二层 SVM 过滤 | 第44-50页 |
| ·特征簇自学习更新 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 实验结果与总结 | 第52-58页 |
| ·实验方案 | 第52页 |
| ·实验评价指标 | 第52页 |
| ·第一层过滤参数选择 | 第52-53页 |
| ·实验结果 | 第53-56页 |
| ·结果分析 | 第56页 |
| ·总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
