基于向量空间模型的中文网页自动分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·自动分类技术的发展趋势 | 第10-11页 |
| ·分类模型和分类算法的发展现状 | 第11-12页 |
| ·基于网页特性的分类研究现状 | 第12-13页 |
| ·课题研究的主要内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 中文网页分类关键技术 | 第15-32页 |
| ·文本分类技术概述 | 第15-17页 |
| ·文本分类概念 | 第15页 |
| ·自动分类的方法 | 第15-16页 |
| ·网页分类过程 | 第16-17页 |
| ·网页预处理 | 第17-20页 |
| ·HTML文档解析 | 第17-18页 |
| ·中文分词 | 第18页 |
| ·停用词删除 | 第18-19页 |
| ·词性选择 | 第19-20页 |
| ·文本表示 | 第20-22页 |
| ·向量空间模型 | 第20页 |
| ·权重计算 | 第20-22页 |
| ·特征选取技术 | 第22-24页 |
| ·文档频率(DF) | 第22-23页 |
| ·信息增益(IG) | 第23页 |
| ·开方拟合检验(χ2－CHI) | 第23页 |
| ·互信息法(MI) | 第23-24页 |
| ·分类算法简介 | 第24-28页 |
| ·简单距离向量法 | 第24-25页 |
| ·朴素贝叶斯(Naive－Bayes) | 第25页 |
| ·支持向量机方法(SVM) | 第25-27页 |
| ·最近邻居算法(NN) | 第27-28页 |
| ·文本分类效果评价指标 | 第28-29页 |
| ·网页分类在搜索引擎中的应用 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于代表样本的KNN算法研究 | 第32-41页 |
| ·KNN算法 | 第32-34页 |
| ·算法描述 | 第32-33页 |
| ·算法分析 | 第33页 |
| ·相关研究工作 | 第33-34页 |
| ·代表样本生成新策略 | 第34-38页 |
| ·代表样本概念的提出 | 第34-35页 |
| ·一种新的代表样本生成策略 | 第35-38页 |
| ·改进算法描述 | 第38-39页 |
| ·训练算法 | 第38页 |
| ·分类算法 | 第38-39页 |
| ·基于代表样本生成策略的KNN分类过程 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于中文网页结构特征的特征项加权 | 第41-49页 |
| ·网页的半结构特性 | 第41页 |
| ·常见的基于网页结构特征的特征加权方法 | 第41-44页 |
| ·利用HTML标记进行解析加权 | 第42页 |
| ·基于网页分块的特征加权 | 第42-43页 |
| ·基于超链接文本的特征加权 | 第43-44页 |
| ·基于主题相关链接的权值修正方法的提出 | 第44-48页 |
| ·网页的DOM解析及分块 | 第46页 |
| ·相关链接块的提取 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 中文网页分类器设计与实现 | 第49-60页 |
| ·开发与运行平台 | 第49页 |
| ·处理流程 | 第49页 |
| ·分类器设计说明 | 第49-54页 |
| ·系统结构 | 第49-50页 |
| ·模块功能描述 | 第50-52页 |
| ·系统类说明 | 第52页 |
| ·数据集说明 | 第52-53页 |
| ·网页下分类器CPCK界面 | 第53-54页 |
| ·实验结果分析 | 第54-60页 |
| ·代表样本法与传统KNN算法的实验比较 | 第54-56页 |
| ·代表样本法与其他算法的实验比较 | 第56-58页 |
| ·主题相关链接加权法实验对比 | 第58-60页 |
| 结论 | 第60-62页 |
| 主要工作 | 第60页 |
| 主要创新点 | 第60-61页 |
| 存在的问题及未来的方向 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
