基于关键词的Web文档自动分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·Web文档分类概述 | 第12页 |
| ·国内外研究动态 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| ·课题来源和内容组织 | 第14-16页 |
| ·课题来源 | 第14-15页 |
| ·内容安排 | 第15-16页 |
| 第二章 Web文档分类关键技术 | 第16-27页 |
| ·分类系统功能模块 | 第16页 |
| ·文本线性化 | 第16-20页 |
| ·向量空间模型的基本概念 | 第17-18页 |
| ·特征项的选择 | 第18-19页 |
| ·候选词权重计算 | 第19-20页 |
| ·中文分词方法 | 第20-22页 |
| ·特征词选取 | 第22-25页 |
| ·文档频度法 | 第23页 |
| ·信息增益值法 | 第23页 |
| ·X~2统计法 | 第23-24页 |
| ·相关信息量 | 第24页 |
| ·期望相关信息量 | 第24页 |
| ·特征选取法的比较 | 第24-25页 |
| ·文本分类器比较 | 第25页 |
| ·评估方法 | 第25-26页 |
| ·F-measure | 第25-26页 |
| ·熵(Entropy) | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于语义相似度的关键词提取 | 第27-40页 |
| ·文档结构分析 | 第27-28页 |
| ·候选词抽取 | 第28-30页 |
| ·文档预处理 | 第29页 |
| ·特征词的权重 | 第29-30页 |
| ·候选词过滤 | 第30页 |
| ·词语相似度计算 | 第30-32页 |
| ·特征词消歧 | 第32-34页 |
| ·词义消歧 | 第32-33页 |
| ·贝叶斯词义消歧 | 第33-34页 |
| ·词汇链构建 | 第34-36页 |
| ·词汇关联规则 | 第34-35页 |
| ·构建词汇链的算法 | 第35-36页 |
| ·关键词提取 | 第36-39页 |
| ·研究现状 | 第36-37页 |
| ·算法描述 | 第37页 |
| ·评估方法 | 第37-38页 |
| ·试验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于关键词的文档聚类分类模型 | 第40-48页 |
| ·最小生成树聚类性质 | 第40-41页 |
| ·自切割合并聚类算法 | 第41-42页 |
| ·文本之间相似度计算 | 第42-43页 |
| ·基于语义的自切割合并聚类算法 | 第43-44页 |
| ·Web文档聚类模型 | 第44-45页 |
| ·聚类实验和结果讨论 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-50页 |
| ·本课题的研究成果 | 第48页 |
| ·进一步研究的设想 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 附录一 研究生期间主要科研工作及成果 | 第55页 |
