| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景 | 第7-8页 |
| ·Web 文本分类问题描述 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文的研究工作 | 第10页 |
| ·论文的组织结构 | 第10-13页 |
| 第二章 Web 文本挖掘概述 | 第13-19页 |
| ·Web 上的数据 | 第13-14页 |
| ·Web 数据挖掘分类 | 第14-15页 |
| ·Web 文本挖掘 | 第15-17页 |
| ·Web 文本挖掘的定义 | 第15-16页 |
| ·Web 文本挖掘过程 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 中文 Web 文本分类关键技术 | 第19-43页 |
| ·基于 MapReduce 原理的 Web 文本预处理 | 第19-27页 |
| ·MapReduce 原理介绍 | 第19-21页 |
| ·Web 网页信息预处理 | 第21页 |
| ·中文分词技术 | 第21-24页 |
| ·词性标注方法 | 第24-27页 |
| ·文本特征表示 | 第27-34页 |
| ·文本向量的特征表示 | 第27-30页 |
| ·文本向量的特征权重计算 | 第30-32页 |
| ·向量空间模型的相似度计算方法 | 第32-33页 |
| ·基于关键词组合的 VSM 模型 | 第33-34页 |
| ·特征选择约减方法 | 第34-36页 |
| ·互信息量 MI | 第35-36页 |
| ·X2统计量 | 第36页 |
| ·联合特征选择方法 UT | 第36页 |
| ·文本分类器方法 | 第36-40页 |
| ·分类结果性能评估技术 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于 Naive Bayes 理论文本分类器研究 | 第43-55页 |
| ·引言 | 第43页 |
| ·贝叶斯定理 | 第43-46页 |
| ·基于独立分量分析的朴素贝叶斯分类器 | 第46-49页 |
| ·独立分量分析(ICA)概述 | 第46-47页 |
| ·基于改进的 ICA 算法的 NB 分类器 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·基于 SVM 文本分类器设计 | 第49-50页 |
| ·基于 Na ve Bayes 理论和 NB 相结合的 Web 分类器 | 第50-53页 |
| ·多分类器组合的两种框架 | 第51-52页 |
| ·朴素贝叶斯组合方法 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 中文 Web 文本分类系统设计与实现 | 第55-73页 |
| ·系统介绍 | 第55页 |
| ·系统总体设计 | 第55-58页 |
| ·系统设计框架 | 第55-56页 |
| ·系统体系结构设计 | 第56-58页 |
| ·系统功能设计 | 第58页 |
| ·系统各模块详细设计 | 第58-67页 |
| ·多核多线程 MapReduce 原理应用 | 第59-60页 |
| ·Web 网页信息预处理 | 第60-63页 |
| ·中文自动分词模块 | 第63-64页 |
| ·特征约减提取模块 | 第64-65页 |
| ·多分类器组合分类模块 | 第65-67页 |
| ·分类系统运行界面 | 第67-70页 |
| ·系统实验结果分析 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-77页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-82页 |
