内容审计系统的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·研究的目的和意义 | 第13页 |
| ·作者主要工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 相关技术基础 | 第15-34页 |
| ·文本的预处理研究 | 第15-26页 |
| ·中文分词 | 第15-19页 |
| ·文本表示模型 | 第19-22页 |
| ·文本特征提取 | 第22-25页 |
| ·特征权重 | 第25-26页 |
| ·文本分类算法 | 第26-28页 |
| ·KNN 算法 | 第26-27页 |
| ·朴素贝叶斯算法 | 第27页 |
| ·潜在语义分析 | 第27-28页 |
| ·支持向量机法 | 第28页 |
| ·文本的倾向性分析技术 | 第28-33页 |
| ·基于统计的方法 | 第29-30页 |
| ·基于规则的方法 | 第30-31页 |
| ·三种主要的文本倾向性分析方法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 关键技术研究 | 第34-54页 |
| ·改进的特征选择算法 | 第34-37页 |
| ·遗传算法简介 | 第34-36页 |
| ·CHI-GA 组合特征提取算法 | 第36-37页 |
| ·改进的文本倾向性分析方法 | 第37-45页 |
| ·倾向性词典的构建 | 第38-42页 |
| ·窗口的选择 | 第42-43页 |
| ·短语搭配识别规则 | 第43-45页 |
| ·支持向量机分类器的构建 | 第45-53页 |
| ·核函数 | 第46-47页 |
| ·惩罚系数 | 第47-49页 |
| ·训练算法 | 第49-50页 |
| ·支持向量机的学习算法 | 第50页 |
| ·支持向量机多分类器算法 | 第50-51页 |
| ·LIBSVM | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 系统的详细设计与实现 | 第54-76页 |
| ·系统总体设计和框架 | 第54-57页 |
| ·系统总体设计 | 第54-56页 |
| ·系统总体框架图 | 第56-57页 |
| ·系统环境 | 第57-58页 |
| ·系统的功能组成与详细流程 | 第58-62页 |
| ·系统的功能组成 | 第58-59页 |
| ·系统工作流程 | 第59-62页 |
| ·系统各功能模块的设计与实现 | 第62-75页 |
| ·系统主要功能模块 | 第62-63页 |
| ·数据采集与预处理模块 | 第63-66页 |
| ·代理管理模块 | 第66-67页 |
| ·插件管理模块 | 第67-69页 |
| ·任务配置模块 | 第69-70页 |
| ·通信模块 | 第70-73页 |
| ·数据分析模块 | 第73-74页 |
| ·结果显示模块 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 系统测试 | 第76-82页 |
| ·测试语料 | 第76页 |
| ·评价体系 | 第76-77页 |
| ·测试方案 | 第77-78页 |
| ·测试结果 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·已完成的工作 | 第82-83页 |
| ·下一步工作 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |
