基于URL+文本的网页主题分类模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本课题主要内容及创新点 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 2 相关理论综述 | 第15-27页 |
| 2.1 网页结构概述 | 第15-17页 |
| 2.2 网络数据采集技术 | 第17-21页 |
| 2.2.1 Scrapy框架概述 | 第17-18页 |
| 2.2.2 Scrapy组件 | 第18页 |
| 2.2.3 Scrapy数据流 | 第18-19页 |
| 2.2.4 Scrapy事件驱动网络 | 第19-21页 |
| 2.3 常用的主题分类算法 | 第21-26页 |
| 2.3.1 朴素贝叶斯 | 第21-23页 |
| 2.3.2 LDA主题模型 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于词向量的网页分类 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 基于词向量聚类算法模型 | 第27-29页 |
| 3.3 网页文本的向量表征 | 第29-32页 |
| 3.4 网页文本的特征提取 | 第32-36页 |
| 3.4.1 网页正文抽取 | 第32-34页 |
| 3.4.2 DBSCAN聚类优化 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于URL+关键词的网页分类 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 基于贝叶斯算法模型 | 第37-39页 |
| 4.3 URL切分算法 | 第39-41页 |
| 4.4 特征关键词提取 | 第41-45页 |
| 4.4.1 TF-IDF算法 | 第41-42页 |
| 4.4.2 TextRank算法 | 第42-44页 |
| 4.4.3 基于LDA改进的TextRank算法 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 实验与分析 | 第47-54页 |
| 5.1 词向量聚类模型实验 | 第47-51页 |
| 5.1.1 实验过程 | 第47-49页 |
| 5.1.2 结果与评估 | 第49-51页 |
| 5.2 贝叶斯算法模型实验 | 第51-53页 |
| 5.2.1 实验过程 | 第51页 |
| 5.2.2 结果与评估 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第63-64页 |
| 附录2 主要英文缩写语对照表 | 第64页 |
