一种基于贝叶斯的微博隐私检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文的研究内容与组织结构 | 第12-15页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的组织内容 | 第13-15页 |
| 第2章 相关知识及理论 | 第15-29页 |
| ·引言 | 第15页 |
| ·微博隐私的检测方法 | 第15-16页 |
| ·微博隐私的范围 | 第15页 |
| ·微博隐私的检测思路 | 第15-16页 |
| ·中文分词的相关概念 | 第16-23页 |
| ·中文分词的概述及其在微博隐私检测中的应用 | 第16-18页 |
| ·基于字符串匹配的分词 | 第18-20页 |
| ·基于统计的分词 | 第20-22页 |
| ·基于理解的分词 | 第22页 |
| ·分词算法对比 | 第22-23页 |
| ·朴素贝叶斯文本分类技术 | 第23-27页 |
| ·贝叶斯算法简介 | 第23-25页 |
| ·朴素贝叶斯算法在微博隐私检测中的应用 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于贝叶斯的微博隐私检测方法 | 第29-57页 |
| ·引言 | 第29页 |
| ·微博内容的组成元素及类别分析 | 第29-31页 |
| ·微博内容的组成元素 | 第29-31页 |
| ·隐私微博的基本分类 | 第31页 |
| ·微博隐私检测系统设计 | 第31-33页 |
| ·微博内容预处理模块 | 第33-34页 |
| ·微博内容中文分词模块 | 第34-50页 |
| ·改进的首尾字索引分词词典 | 第34-39页 |
| ·基于首尾字索引词典的逆向最大匹配算法 | 第39-43页 |
| ·基于首尾字索引词典的歧义处理算法 | 第43-46页 |
| ·基于首尾字索引词典的新词识别算法 | 第46-50页 |
| ·微博内容朴素贝叶斯分类模块 | 第50-56页 |
| ·贝叶斯分类处理流程 | 第50-52页 |
| ·训练集的数据结构与数据生成 | 第52-55页 |
| ·二级贝叶斯分类微博隐私检测方法 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 实验及其分析 | 第57-65页 |
| ·实验环境 | 第57页 |
| ·实验数据集 | 第57-58页 |
| ·实验结果评价标准 | 第58-59页 |
| ·实验结果及其分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
