基于遗传算法的网络信息过滤模型研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及现状 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·信息过滤的发展现状 | 第10-11页 |
| ·信息过滤概述 | 第11-14页 |
| ·信息过滤系统的特点 | 第11-12页 |
| ·信息过滤与信息检索的关系 | 第12-13页 |
| ·典型的信息过滤模型 | 第13页 |
| ·信息过滤系统的性能评价 | 第13-14页 |
| ·本文的主要工作及章节安排 | 第14-15页 |
| 第二章 网络信息过滤关键技术 | 第15-27页 |
| ·中文自动分词 | 第15-17页 |
| ·基于词典的分词算法 | 第15-16页 |
| ·无词典的分词算法 | 第16-17页 |
| ·本系统中使用的自动分词系统 | 第17页 |
| ·特征提取 | 第17-19页 |
| ·空间降维 | 第17页 |
| ·特征提取 | 第17-19页 |
| ·常用的文本表示模型 | 第19-22页 |
| ·布尔逻辑模型 | 第19-20页 |
| ·向量空间模型 | 第20-21页 |
| ·概率推理模型 | 第21-22页 |
| ·文本分类 | 第22-25页 |
| ·文本分类过程 | 第22-23页 |
| ·文本分类算法 | 第23-25页 |
| ·传统的信息过滤模型存在的问题 | 第25-27页 |
| 第三章 基于遗传算法的网络信息过滤模型 | 第27-43页 |
| ·遗传算法概述 | 第27-29页 |
| ·遗传算法编码 | 第27页 |
| ·适应度函数 | 第27页 |
| ·遗传操作 | 第27-29页 |
| ·基于遗传算法的网络信息过滤模型结构 | 第29-30页 |
| ·文档的向量空间化 | 第30-31页 |
| ·用户兴趣文件(PROFILE)的形成 | 第31-32页 |
| ·分类思想在用户个性化文件的应用 | 第31-32页 |
| ·用户兴趣文件(Profile)的表示 | 第32页 |
| ·用户兴趣文件(PROFILE)的遗传校正 | 第32-37页 |
| ·遗传校正模块设计 | 第33页 |
| ·算法描述 | 第33-37页 |
| ·用户兴趣文件与过滤文档的匹配 | 第37-39页 |
| ·现有过滤模型的问题 | 第37页 |
| ·本文给出的过滤匹配算法 | 第37-39页 |
| ·用户兴趣文件的相关度反馈 | 第39-41页 |
| ·相关反馈技术的回顾 | 第39-40页 |
| ·利用相关反馈方法修改用户个性化Profile | 第40-41页 |
| ·模拟实验 | 第41-43页 |
| 第四章 网络信息过滤系统的设计与实现 | 第43-47页 |
| ·网络信息过滤系统的系统结构 | 第43-44页 |
| ·网络信息的捕获 | 第44-45页 |
| ·网络协议数据分析 | 第45-46页 |
| ·信息过滤策略 | 第46-47页 |
| 第五章 结束语 | 第47-49页 |
| ·本文所做的主要工作 | 第47页 |
| ·进一步的工作 | 第47-49页 |
| 参考文献: | 第49-52页 |
| 发表及录用的论文 | 第52页 |
| 研究生期间参与的科研项目 | 第52-53页 |
| 致 谢 | 第53页 |
