| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8页 |
| ·选题背景及意义 | 第8-10页 |
| ·文本分类问题概述 | 第10-13页 |
| ·文本分类的发展过程 | 第10-11页 |
| ·文本分类的研究热点 | 第11页 |
| ·文本分类的基本流程 | 第11-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 文本预处理 | 第16-21页 |
| ·Web文档转换 | 第16-17页 |
| ·Web文本预处理 | 第17-21页 |
| ·Web文档标记加权 | 第17-18页 |
| ·中文分词 | 第18-21页 |
| 第三章 文本特征权重概念与计算 | 第21-32页 |
| ·文本的向量标示 | 第21-22页 |
| ·权重函数构造 | 第22-24页 |
| ·布尔权重 | 第22-23页 |
| ·词频权重 | 第23页 |
| ·熵权重 | 第23页 |
| ·TF*IDF权重 | 第23-24页 |
| ·对经典TF*IDF权重计算方法的改进 | 第24-25页 |
| ·实验结果与分析 | 第25-32页 |
| ·选取数据集 | 第25-26页 |
| ·单一文本权重值计算结果 | 第26-28页 |
| ·语料库分类性能结果 | 第28-32页 |
| 第四章 文本特征约简 | 第32-41页 |
| ·维数约简的途径 | 第32-33页 |
| ·常用的维数约简方法 | 第33-37页 |
| ·文档频率 | 第33-34页 |
| ·信息增益 | 第34-35页 |
| ·交叉熵 | 第35页 |
| ·互信息 | 第35-36页 |
| ·x2统计量 | 第36-37页 |
| ·基于特征类别区分度的特征选择方法 | 第37-38页 |
| ·属性约简实验结果与分析 | 第38-41页 |
| ·单一文档的属性约简 | 第38-40页 |
| ·测试集的属性约简结果 | 第40-41页 |
| 第五章 基于KNN-BAGGING的文本分类器设计 | 第41-53页 |
| ·当前文本分类器构造算法概述 | 第41-45页 |
| ·简单向量距离分类 | 第41-42页 |
| ·朴素贝叶斯法 | 第42页 |
| ·支持向量机 | 第42-44页 |
| ·决策树分类算法 | 第44-45页 |
| ·KNN算法 | 第45页 |
| ·综合分类算法介绍 | 第45-46页 |
| ·BAGGING算法基本思想 | 第46-47页 |
| ·KNN与BAGGING的结合算法 | 第47-49页 |
| ·KNN与BAGGING结合的理由 | 第47-48页 |
| ·具体算法描述 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·KNN-BAGGING算法中j，T值的确定 | 第49-51页 |
| ·风险信息的实验结果 | 第51-53页 |
| 第六章 综合风险元搜索引擎的设计与实现 | 第53-61页 |
| ·元搜索引擎概述 | 第53-55页 |
| ·当前网络搜索现状 | 第53-54页 |
| ·元搜索引擎的概念 | 第54-55页 |
| ·系统总体框架 | 第55-58页 |
| ·系统模块设计 | 第55-57页 |
| ·元搜索引擎的设计 | 第57-58页 |
| ·系统开发与运行环境 | 第58-59页 |
| ·开发环境 | 第58-59页 |
| ·运行环境 | 第59页 |
| ·系统运行截图 | 第59-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·进一步的工作 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
| 在学习期间参加的科研项目 | 第68页 |