| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 引言 | 第7-11页 |
| ·文本过滤技术背景及研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要研究内容 | 第9-10页 |
| ·本文组织结构 | 第10-11页 |
| 第二章 文本过滤相关理论 | 第11-21页 |
| ·信息过滤概述 | 第11-15页 |
| ·信息过滤技术的分类 | 第11-13页 |
| ·文本过滤技术一般处理流程 | 第13-15页 |
| ·文本表示 | 第15-19页 |
| ·文本表示单元 | 第15-16页 |
| ·文本表示模型 | 第16-19页 |
| ·文本过滤性能评价指标 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 维吾尔语文本过滤模型 | 第21-36页 |
| ·维吾尔文语言特点 | 第21-23页 |
| ·维吾尔文文本预处理 | 第23-31页 |
| ·停用词去除 | 第23-24页 |
| ·词干提取 | 第24-29页 |
| ·维吾尔语词干提取实验及分析 | 第29-31页 |
| ·特征选择 | 第31-34页 |
| ·文档频率（Document Frequency，DF） | 第32-33页 |
| ·信息增益（Information Gain） | 第33页 |
| ·互信息（Mutual Information,MI） | 第33页 |
| ·x~2统计 (Chi-square Statistic，CHI) | 第33-34页 |
| ·文本过滤模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于K近邻的维吾尔语文本过滤算法研究 | 第36-49页 |
| ·机器学习理论 | 第36-37页 |
| ·权重计算及KNN（K最近邻）算法 | 第37-40页 |
| ·KNN算法的相似度计算 | 第40-41页 |
| ·KNN算法的优缺点 | 第41-43页 |
| ·KNN算法的改进思路 | 第43-44页 |
| ·基于向量空间模型的维吾尔文文本过滤方法 | 第44-48页 |
| ·维吾尔文文本过滤实验 | 第46-47页 |
| ·实验结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于XML结构化文档的贝叶斯算法研究 | 第49-57页 |
| ·朴素贝叶斯（Naive bayes）算法 | 第49-51页 |
| ·基于XML模型的bayes算法 | 第51-53页 |
| ·文本规划 | 第51-52页 |
| ·XML语言描述 | 第52-53页 |
| ·基于XML的维吾尔文文本规划方案设计 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 维吾尔文文本过滤系统设计与实现 | 第57-68页 |
| ·实验环境及系统主界面介绍 | 第57-58页 |
| ·基于KNN的维吾尔文文本过滤系统 | 第58-62页 |
| ·基于XML结构化文档的bayes维吾尔文文本过滤系统 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 发表论文和参加科研情况 | 第73-74页 |
| 致谢 | 第74-76页 |
