新闻类网页内容感知系统研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 话题检测技术研究现状 | 第12-13页 |
| 1.2.2 Web信息提取技术研究现状 | 第13-14页 |
| 1.2.3 网页分类技术研究现状 | 第14页 |
| 1.3 研究内容与论文工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关技术分析 | 第17-30页 |
| 2.1 文本表示模型 | 第17-23页 |
| 2.1.1 布尔模型 | 第17页 |
| 2.1.2 概率模型 | 第17-19页 |
| 2.1.3 向量空间模型 | 第19-20页 |
| 2.1.4 LDA主题模型 | 第20-23页 |
| 2.2 相似度计算 | 第23-25页 |
| 2.2.1 文本间相似度 | 第23-24页 |
| 2.2.2 类簇间距离 | 第24-25页 |
| 2.3 文本聚类算法 | 第25-28页 |
| 2.3.1 K-means聚类算法 | 第26-27页 |
| 2.3.2 层次聚类算法 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 正文模板路径生成及新闻类网页URL分析 | 第30-45页 |
| 3.1 网页DOM树的概念 | 第30-31页 |
| 3.2 树路径匹配算法的改进及应用 | 第31-40页 |
| 3.2.1 树路径匹配算法 | 第32-34页 |
| 3.2.2 树路径匹配算法改进 | 第34-36页 |
| 3.2.3 新闻网页正文信息模板路径选择标准 | 第36页 |
| 3.2.4 有效性验证实验 | 第36-40页 |
| 3.3 新闻类网页URL特征提取 | 第40-44页 |
| 3.3.1 新闻网页URL结构及特征分析 | 第40-42页 |
| 3.3.2 基于URL的新闻类网页分类方法 | 第42页 |
| 3.3.3 有效性验证 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于LDA的新闻话题检测模型 | 第45-57页 |
| 4.1 朴素贝叶斯分类算法 | 第45-47页 |
| 4.1.1 贝叶斯定理 | 第45-46页 |
| 4.1.2 朴素贝叶斯分类算法 | 第46-47页 |
| 4.2 基于LDA模型的文本建模 | 第47-49页 |
| 4.2.1 基于LDA的文本表示 | 第47-48页 |
| 4.2.2 确定最优主题数目 | 第48-49页 |
| 4.3 基于LDA模型的新闻话题检测 | 第49-52页 |
| 4.3.1 确定初始聚类中心 | 第49-50页 |
| 4.3.2 混合聚类策略 | 第50-51页 |
| 4.3.3 话题关键词的确定 | 第51-52页 |
| 4.4 实验及分析 | 第52-56页 |
| 4.4.1 试验评价指标 | 第52页 |
| 4.4.2 最优主题数目确定试验 | 第52-54页 |
| 4.4.3 混合聚类策略有效性验证 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 系统设计与实现 | 第57-74页 |
| 5.1 需求分析 | 第57-58页 |
| 5.1.1 系统业务需求 | 第57页 |
| 5.1.2 系统功能需求 | 第57-58页 |
| 5.2 系统总体设计 | 第58-60页 |
| 5.2.1 系统基本架构设计 | 第58-59页 |
| 5.2.2 系统功能流程设计 | 第59-60页 |
| 5.3 系统模块设计及实现 | 第60-73页 |
| 5.3.1 数据库设计 | 第60-61页 |
| 5.3.2 URL预处理模块 | 第61-62页 |
| 5.3.3 URL特征解析模块 | 第62-63页 |
| 5.3.4 新闻内容获取模块 | 第63-65页 |
| 5.3.5 文本预处理模块 | 第65-66页 |
| 5.3.6 新闻话题检测模块 | 第66-71页 |
| 5.3.7 数据接口模块 | 第71-72页 |
| 5.3.8 前台页面展示模块 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文 | 第81页 |
