| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.2.1 基于网页内容分类的研究现状 | 第15-16页 |
| 1.2.2 基于网页特征分类的研究现状 | 第16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 相关研究 | 第18-31页 |
| 2.1 网页自动分类概述 | 第18-20页 |
| 2.1.1 网页分类的定义 | 第18页 |
| 2.1.2 中文网页分类的特点 | 第18-19页 |
| 2.1.3 中文网页分类的过程 | 第19-20页 |
| 2.2 网页预处理 | 第20-23页 |
| 2.2.1 网页去噪 | 第20-21页 |
| 2.2.2 中文自动分词 | 第21-23页 |
| 2.2.2.1 字符串匹配分词法 | 第21-22页 |
| 2.2.2.2 词频统计分词法 | 第22-23页 |
| 2.2.2.3 基于理解的分词法 | 第23页 |
| 2.3 特征选择 | 第23-25页 |
| 2.3.1 文档频率DF (Document Frequency) | 第23-24页 |
| 2.3.2 互信息MI（Mutual Information） | 第24页 |
| 2.3.3 卡方检查CHI（CHI-square statistic） | 第24-25页 |
| 2.4 文本表示模型 | 第25-26页 |
| 2.4.1 布尔模型（Boolean Model） | 第25页 |
| 2.4.2 向量空间模型VSM（Vector Space Model） | 第25-26页 |
| 2.5 特征权重计算 | 第26-28页 |
| 2.5.1 布尔权重 | 第27页 |
| 2.5.2 词频权重 | 第27页 |
| 2.5.3 TF-IDF权重 | 第27-28页 |
| 2.6 分类算法 | 第28-30页 |
| 2.6.1 类中心法（Category Centroid） | 第28页 |
| 2.6.2 KNN算法 | 第28-29页 |
| 2.6.3 支持向量机算法 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 大规模网页分类算法设计 | 第31-42页 |
| 3.1 当前网页分类过程存在问题分析 | 第31-33页 |
| 3.1.1 分类算法存在问题分析 | 第31-32页 |
| 3.1.2 常用降维方法存在问题分析 | 第32-33页 |
| 3.1.3 特征权重计算方法存在问题分析 | 第33页 |
| 3.2 网页分类算法优化方案 | 第33-40页 |
| 3.2.1 综合权重（Comprehensive Weight,CW）评估方法 | 第33-35页 |
| 3.2.1.1 长度参数LenWeight | 第34页 |
| 3.2.1.2 位置参数PosWeight | 第34-35页 |
| 3.2.1.3 类间分布参数DA | 第35页 |
| 3.2.1.4 类内部分布参数DW | 第35页 |
| 3.2.2 综合权重特征选择（ Comprehensive Weight-Feature Selection，CW-FS）方法 | 第35-36页 |
| 3.2.3 谱哈希降维法（Spectral hash--Feature reduction，SH-FR） | 第36-38页 |
| 3.2.4 网页预分类方法 | 第38-40页 |
| 3.2.4.1 预分类的思想 | 第38-39页 |
| 3.2.4.2 预分类的关键词表 | 第39页 |
| 3.2.4.3 预分类方法的分类步骤 | 第39-40页 |
| 3.3 基于谱哈希的大规模中文网页分类算法设计 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于谱哈希的大规模网页分类算法实现 | 第42-55页 |
| 4.1 基于谱哈希的大规模中文网页分类算法流程 | 第42-44页 |
| 4.2 网页预处理的实现 | 第44-47页 |
| 4.2.1 网页文本信息抽取的实现 | 第44-45页 |
| 4.2.2 文本信息分词的实现 | 第45-47页 |
| 4.3 网页预分类的实现 | 第47-48页 |
| 4.4 CW-FS特征选择方法的实现 | 第48-50页 |
| 4.5 网页向量化表示的实现 | 第50-51页 |
| 4.6 基于谱哈希网页向量降维方法的实现 | 第51-52页 |
| 4.7 KNN分类器的实现 | 第52-54页 |
| 4.8 本章小结 | 第54-55页 |
| 第五章 基于谱哈希的大规模网页分类算法测试 | 第55-63页 |
| 5.1 数据集 | 第55-56页 |
| 5.2 测试标准 | 第56页 |
| 5.3 优化方案测试 | 第56-59页 |
| 5.3.1 预分类方法测试 | 第56-57页 |
| 5.3.2 CW-FS特征选择测试 | 第57-58页 |
| 5.3.3 网页向量化表示测试 | 第58-59页 |
| 5.3.4 经谱哈希降维后方法测试 | 第59页 |
| 5.4 基于谱哈希的大规模中文网页分类算法测试 | 第59-62页 |
| 5.4.1 测试不同K值对分类器的影响 | 第60页 |
| 5.4.2 测试不同训练集规模对KNN分类算法的影响 | 第60-61页 |
| 5.4.3 两种算法对比测试结果 | 第61-62页 |
| 5.5 测试分析 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 主要工作总结 | 第63页 |
| 6.2 下一步工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者在学期间取得的学术成果 | 第70页 |
