| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-11页 |
| ·选题背景和研究意义 | 第8页 |
| ·国内外发展现状 | 第8-10页 |
| ·论文主要内容和结构安排 | 第10-11页 |
| 第二章 信息监测系统总体设计 | 第11-18页 |
| ·分布式网络监测系统的架构 | 第11页 |
| ·Agent 简介 | 第11-12页 |
| ·分布式网络监测系统的工作原理及功能模块划分 | 第12-13页 |
| ·Agent 端功能模块设计 | 第13-14页 |
| ·软件Agent 端整体设计 | 第14-17页 |
| ·软件Agent 端设计 | 第14-16页 |
| ·功能模块设计 | 第14-15页 |
| ·Agent 端的流程设计 | 第15-16页 |
| ·Agent 端中DLL 程序设计 | 第16-17页 |
| ·动态链接库编程原理 | 第17页 |
| ·小结 | 第17-18页 |
| 第三章 信息内容监测关键技术 | 第18-27页 |
| ·网络数据内容还原 | 第18-19页 |
| ·TCP/IP 协议还原 | 第19-20页 |
| ·应用协议还原 | 第20-26页 |
| ·整体框架 | 第20-22页 |
| ·http 协议还原 | 第22-26页 |
| ·http 协议的工作原理 | 第22-24页 |
| ·http 协议还原的实现 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第四章 信息内容分析关键技术 | 第27-49页 |
| ·分本分类技术 | 第27-35页 |
| ·文本主题分类模块 | 第27-29页 |
| ·分类模型 | 第29-33页 |
| ·训练方法和分类算法 | 第33-34页 |
| ·性能指标 | 第34-35页 |
| ·基于内容信息过滤系统构成 | 第35页 |
| ·信息过滤模型 | 第35-37页 |
| ·布尔模型（Boolean Model） | 第35-36页 |
| ·向量空间模型（Vector Space Model） | 第36页 |
| ·潜在语义索引模型（Latent Semantic Indexing Model） | 第36-37页 |
| ·神经网络模型（Neural Network Model） | 第37页 |
| ·信息过滤的主要方法 | 第37-42页 |
| ·统计方法 | 第37-41页 |
| ·逻辑方法 | 第41-42页 |
| ·拟物方法 | 第42页 |
| ·文本语义分析研究 | 第42-48页 |
| ·基于语义模式的文档倾向性识别 | 第43-46页 |
| ·语义模式 | 第44-45页 |
| ·文档预处理 | 第45页 |
| ·识别算法 | 第45-46页 |
| ·基于情感词加权的文档倾向性识别 | 第46-47页 |
| ·确定文本特征及其情感倾向权值 | 第46-47页 |
| ·识别算法 | 第47页 |
| ·基于传统文本分类技术文档倾向性识别 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 信息内容监测系统设计及实验结果分析 | 第49-61页 |
| ·Agent 端模块设计 | 第49-50页 |
| ·数据采集 Agent | 第49-50页 |
| ·协议解析 Agent | 第50页 |
| ·数据分析 | 第50页 |
| ·文本分类模块的设计和分析 | 第50页 |
| ·文本分类模型 | 第50页 |
| ·语料搜集与建立专业词表 | 第50-51页 |
| ·中文分词 | 第51-53页 |
| ·分词匹配算法 | 第51页 |
| ·匹配算法流程 | 第51-53页 |
| ·文本训练参数的设置 | 第53-55页 |
| ·训练参数配置窗口 | 第53页 |
| ·训练文本的分类模块的程序流程 | 第53-55页 |
| ·特征项的抽取 | 第55-57页 |
| ·特征项抽取算法 | 第55-56页 |
| ·互信息量或信息增益量算法的程序设计流程 | 第56-57页 |
| ·特征词权重的计算 | 第57页 |
| ·相似度计算的程序流程 | 第57页 |
| ·阈值的确定 | 第57-58页 |
| ·实验结果和分析 | 第58-60页 |
| ·主题分类模块 | 第58页 |
| ·文本倾向分类模块 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 在学期间发表的学术论文和参加科研情况 | 第68页 |
