基于关键词的深度万维网查询
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·论文的主要工作和创新点 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 数据挖掘中的分类 | 第15-22页 |
| ·数据挖掘技术 | 第15-17页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·分类 | 第17-21页 |
| ·决策树方法 | 第17-18页 |
| ·贝叶斯算法 | 第18-19页 |
| ·神经网络算法 | 第19-20页 |
| ·支持向量机算法 | 第20-21页 |
| ·K最邻近分类法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 关键词所属领域的选取 | 第22-31页 |
| ·基于关键词的深度万维网查询 | 第22-26页 |
| ·相关定义 | 第23页 |
| ·方法介绍 | 第23-24页 |
| ·现有方法概述 | 第24-25页 |
| ·与传统搜索引擎方法的比较 | 第25-26页 |
| ·关键词分类 | 第26-29页 |
| ·朴素贝叶斯算法 | 第26-28页 |
| ·算法的选择及补充说明 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 关键词与属性关联 | 第31-41页 |
| ·本体的介绍 | 第31-35页 |
| ·本体的概念 | 第31-32页 |
| ·本体的组成 | 第32-33页 |
| ·本体的特点 | 第33-34页 |
| ·本体的功能 | 第34页 |
| ·WordNet | 第34-35页 |
| ·关键词与属性关联 | 第35-40页 |
| ·词语语义相似度 | 第35-38页 |
| ·词语语义相似度的定义 | 第35-36页 |
| ·词语语义相似度的计算方法 | 第36-37页 |
| ·词语语义相似度的评估 | 第37-38页 |
| ·基于本体的语义相似度计算 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验测试与分析 | 第41-44页 |
| ·关键词所属领域测试 | 第41-42页 |
| ·关键词与属性关联测试 | 第42-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·工作总结 | 第44页 |
| ·未来研究重点与方向 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士期间的研究成果 | 第51页 |
