Web文本挖掘关键技术的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景 | 第7页 |
| ·研究现状 | 第7-8页 |
| ·研究内容 | 第8-9页 |
| ·论文的组织结构 | 第9-11页 |
| 第二章 Web文本挖掘 | 第11-21页 |
| ·数据挖掘 | 第11-15页 |
| ·概述 | 第11-12页 |
| ·分类 | 第12-13页 |
| ·挖掘过程 | 第13-15页 |
| ·基于web的数据挖掘 | 第15-19页 |
| ·概述 | 第15-16页 |
| ·分类 | 第16-19页 |
| ·Web文本挖掘 | 第19-20页 |
| ·Web文本挖掘过程 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 相关技术和理论 | 第21-35页 |
| ·中文分词技术 | 第21-23页 |
| ·基于字符串匹配的分词方法 | 第21-22页 |
| ·基于理解的分词方法 | 第22-23页 |
| ·基于统计的分词方法 | 第23页 |
| ·特征表示方法 | 第23-25页 |
| ·向量空间模型 | 第23-24页 |
| ·改进的权值计算方法 | 第24页 |
| ·文本相似度 | 第24-25页 |
| ·特征提取方法 | 第25-28页 |
| ·特征词的文档频率 | 第25-26页 |
| ·信息方法 | 第26页 |
| ·χ~2统计量 | 第26-27页 |
| ·信息增益方法 | 第27-28页 |
| ·Web文本分类算法 | 第28-31页 |
| ·KNN算法 | 第29页 |
| ·朴素贝叶斯算法 | 第29-31页 |
| ·Web文本聚类算法 | 第31-34页 |
| ·SOM算法 | 第32-34页 |
| ·K均值算法 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于K均值和遗传算法的聚类算法 | 第35-43页 |
| ·遗传算法基本原理 | 第35-36页 |
| ·基于K-均值和遗传算法的聚类算法 | 第36-40页 |
| ·编码方法 | 第36-37页 |
| ·适应度函数 | 第37页 |
| ·选择算子 | 第37-38页 |
| ·交叉算子 | 第38-39页 |
| ·变异算子 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 系统设计与实现 | 第43-55页 |
| ·系统框架 | 第43页 |
| ·中文分词模块 | 第43-47页 |
| ·特征表示和提取模块 | 第47-49页 |
| ·文本挖掘模块 | 第49-51页 |
| ·系统运行实现 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·研究工作总结 | 第55页 |
| ·未来展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 在读期间发表的学术论文 | 第63页 |
