大规模异构环境下的文本分类算法研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·论文的研究背景 | 第8页 |
| ·选题意义 | 第8-9页 |
| ·主要研究内容 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| 第2章 相关工作 | 第11-25页 |
| ·分类问题的概述 | 第11-15页 |
| ·分类的一般方法步骤 | 第11-12页 |
| ·对数据构建表示模型 | 第12-13页 |
| ·常用文档模型 | 第13-14页 |
| ·关于中文文本分词 | 第14-15页 |
| ·有代表性的文本分类方法 | 第15-18页 |
| ·支持向量机方法 | 第15-17页 |
| ·kNN 方法 | 第17页 |
| ·朴素贝叶斯方法 | 第17-18页 |
| ·关于信息检索技术 | 第18-21页 |
| ·信息检索技术概述 | 第18-20页 |
| ·文本分类与信息检索技术 | 第20-21页 |
| ·大规模数据处理技术 | 第21-24页 |
| ·应用领域 | 第21-22页 |
| ·一些流行的技术与架构 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 海量异构信息的获取与处理 | 第25-44页 |
| ·数据的处理方法 | 第25-27页 |
| ·异构数据的整合 | 第25页 |
| ·使用 XML 手段的整合 | 第25-27页 |
| ·HTML 爬虫的设计 | 第27-33页 |
| ·HTML 爬虫的设计原则 | 第27-28页 |
| ·HTML 爬虫实现难点分析 | 第28-30页 |
| ·Redis 的功能特性 | 第30-31页 |
| ·一种分布式 HTML 爬虫的设计 | 第31-33页 |
| ·HTML 网页处理 | 第33-41页 |
| ·网页中的信息抽取 | 第33-36页 |
| ·网页的 DOM 规范 | 第36页 |
| ·基于 DOM 方法的网页正文提取 | 第36-41页 |
| ·数字图书馆内容处理 | 第41-43页 |
| ·数据的抓取 | 第41-42页 |
| ·文档属性抽取 | 第42-43页 |
| ·文本的统一化处理 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 一种基于单字计算的文本分类算法 | 第44-58页 |
| ·方法的理论分析 | 第44-46页 |
| ·算法的过程描述 | 第46-47页 |
| ·特征向量的生成 | 第47-48页 |
| ·文档相似度计算方法 | 第48页 |
| ·实验结果测定分析 | 第48-56页 |
| ·单字文本分类算法的特点 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 系统整体设计 | 第58-64页 |
| ·数据处理流程及架构 | 第58-60页 |
| ·检索的实现 | 第60-63页 |
| ·存在的问题及发展方向 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
