基于随机森林的新闻网页分类系统应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 引言 | 第11-18页 |
| ·背景 | 第11-12页 |
| ·国内外研究及应用现状 | 第12-16页 |
| ·本论文主要研究内容与创新点 | 第16-17页 |
| ·小结 | 第17-18页 |
| 2 训练集的构建 | 第18-27页 |
| ·网络爬虫设计 | 第18-23页 |
| ·网络爬虫模型 | 第19-20页 |
| ·通用爬虫的优缺点 | 第20-21页 |
| ·通用爬虫的设计 | 第21-22页 |
| ·爬行策略的选择 | 第22-23页 |
| ·训练集的标记 | 第23-26页 |
| ·人工标记 | 第24-25页 |
| ·半自动化标记 | 第25-26页 |
| ·小结 | 第26-27页 |
| 3 特征选择技术 | 第27-40页 |
| ·N-GRAM模型 | 第27-30页 |
| ·网页向量化 | 第30-35页 |
| ·网页文本特征 | 第30-31页 |
| ·TF-IDF权重计算 | 第31-33页 |
| ·URL特征 | 第33-35页 |
| ·特征选择算法 | 第35-38页 |
| ·信息增益 | 第36-38页 |
| ·信息增益比 | 第38页 |
| ·小结 | 第38-40页 |
| 4 分类模型设计 | 第40-57页 |
| ·评价指标 | 第41页 |
| ·K-近邻算法(KNN) | 第41-43页 |
| ·贝叶斯分类 | 第43-44页 |
| ·支持向量机 | 第44-47页 |
| ·随机森林 | 第47-54页 |
| ·决策树概述 | 第47-49页 |
| ·CART算法 | 第49页 |
| ·随机森林概述 | 第49-52页 |
| ·随机森林算法 | 第52-53页 |
| ·随机森林改进 | 第53-54页 |
| ·模型评估 | 第54-56页 |
| ·小结 | 第56-57页 |
| 5 基于随机森林的新闻分类原型系统 | 第57-67页 |
| ·系统平台与开发环境 | 第57页 |
| ·系统架构 | 第57-59页 |
| ·系统具体设计 | 第59-66页 |
| ·网络爬虫模块 | 第59-60页 |
| ·网页标记与向量化 | 第60-61页 |
| ·特征选择 | 第61页 |
| ·网页分类 | 第61页 |
| ·URL聚合 | 第61-63页 |
| ·原型系统的运行效果 | 第63-66页 |
| ·小结 | 第66-67页 |
| 6 总结与展望 | 第67-70页 |
| ·总结 | 第67-68页 |
| ·未来展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74-82页 |
| 后记 | 第82-83页 |
| 致谢 | 第83-84页 |
| 在读期间科研成果目录 | 第84页 |
