基于SVM的文本信息过滤算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 文本信息过滤的研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 文本信息过滤相关理论 | 第18-29页 |
| 2.1 文本信息过滤概述 | 第18-23页 |
| 2.1.1 文本信息过滤的概念及特点 | 第18-19页 |
| 2.1.2 信息过滤的分类方法 | 第19-20页 |
| 2.1.3 信息过滤模型 | 第20-22页 |
| 2.1.4 文本分类与信息过滤 | 第22-23页 |
| 2.2 英文文本信息过滤的特点 | 第23页 |
| 2.3 机器学习 | 第23-25页 |
| 2.3.1 机器学习的定义及目的 | 第23-24页 |
| 2.3.2 机器学习的分类 | 第24-25页 |
| 2.4 文本信息过滤相关算法 | 第25-28页 |
| 2.4.1 类中心向量算法 | 第25-26页 |
| 2.4.2 K-邻近算法 | 第26页 |
| 2.4.3 朴素贝叶斯算法 | 第26-27页 |
| 2.4.4 决策树算法 | 第27页 |
| 2.4.5 神经网络算法 | 第27-28页 |
| 2.4.6 支持向量机算法 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 文本信息预处理及特征提取算法 | 第29-39页 |
| 3.1 文本信息预处理 | 第29-30页 |
| 3.1.1 分词处理 | 第29页 |
| 3.1.2 停用词处理 | 第29页 |
| 3.1.3 词根还原 | 第29-30页 |
| 3.2 特征提取算法 | 第30-32页 |
| 3.2.1 文档频率 | 第30-31页 |
| 3.2.2 互信息 | 第31页 |
| 3.2.3 信息增益 | 第31-32页 |
| 3.2.4 CHI统计 | 第32页 |
| 3.3 特征提取算法的改进 | 第32-34页 |
| 3.3.1 信息增益的优缺点 | 第33页 |
| 3.3.2 CHI统计的优缺点 | 第33页 |
| 3.3.3 特征提取算法的改进 | 第33-34页 |
| 3.4 权重计算 | 第34-35页 |
| 3.5 实验结果及分析 | 第35-38页 |
| 3.5.1 实验环境 | 第35页 |
| 3.5.2 实验数据集 | 第35页 |
| 3.5.3 实验结果分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 SVM文本信息过滤算法改进 | 第39-51页 |
| 4.1 SVM理论基础 | 第39-41页 |
| 4.1.1 SVM算法的基本原理 | 第39-40页 |
| 4.1.2 SVM算法的特点 | 第40-41页 |
| 4.2 SVM算法改进 | 第41-47页 |
| 4.2.1 K-Means算法简介 | 第41-42页 |
| 4.2.2 融合K-Means的SVM算法改进 | 第42-44页 |
| 4.2.3 SVM参数优化 | 第44-46页 |
| 4.2.4 改进后的算法 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-50页 |
| 4.3.1 评价标准 | 第47-48页 |
| 4.3.2 实验结果与分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 文本信息过滤算法系统化实现 | 第51-60页 |
| 5.1 算法实现工具 | 第51-54页 |
| 5.1.1.NET平台 | 第51-52页 |
| 5.1.2 Libsvm组件 | 第52-54页 |
| 5.2 算法实现过程 | 第54-56页 |
| 5.2.1 算法流程 | 第54页 |
| 5.2.2 数据预处理 | 第54-55页 |
| 5.2.3 特征提取 | 第55-56页 |
| 5.2.4 训练过程 | 第56页 |
| 5.2.5 过滤过程 | 第56页 |
| 5.3 运行测试 | 第56-59页 |
| 5.3.1 样本要求 | 第56页 |
| 5.3.2 操作界面 | 第56-58页 |
| 5.3.3 运行测试分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者简介及在学期间科研成果 | 第67-68页 |
| 致谢 | 第68页 |
