互联网搜索词分类关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究的背景与意义 | 第10-12页 |
| ·研究的内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 文本分类相关技术综述 | 第15-31页 |
| ·文本分类概念 | 第15-16页 |
| ·文本分类发展状况及研究现状 | 第16-18页 |
| ·文本分类相关技术 | 第18-29页 |
| ·文本预处理 | 第18-19页 |
| ·文本表示 | 第19-22页 |
| ·特征选择 | 第22-25页 |
| ·分类方法 | 第25-29页 |
| ·分类结果评测方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 互联网搜索词分类的解决方案 | 第31-41页 |
| ·搜索词产生的相关背景 | 第31-33页 |
| ·搜索引擎简介 | 第31页 |
| ·搜索引擎的原理 | 第31-33页 |
| ·搜索词的定义及特点 | 第33-34页 |
| ·搜索词分类的难点分析 | 第34-37页 |
| ·搜索词分类的解决方案 | 第37-39页 |
| ·实验所用数据集 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 搜索词分类的搜索词预处理 | 第41-46页 |
| ·基于伪相关反馈的搜索词文本扩展 | 第41-43页 |
| ·基于Lucene的搜索词扩展文本分词 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 搜索词分类的扩展文本特征选择 | 第46-57页 |
| ·特征选择策略 | 第46-47页 |
| ·所用的特征选择方法及实验 | 第47-53页 |
| ·无监督特征选择方法 | 第48-51页 |
| ·有监督特征选择方法 | 第51-53页 |
| ·特征选择的优化方法 | 第53-56页 |
| ·基于重构思想的特征精选方法 | 第53-56页 |
| ·方法的具体步骤 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第6章 搜索词分类的扩展文本分类 | 第57-72页 |
| ·所用的分类方法 | 第57-60页 |
| ·基于朴素贝叶斯(NBC)的分类 | 第57-58页 |
| ·基于K最近邻(KNN)的分类 | 第58-59页 |
| ·基于支持向量机(SVM)的分类 | 第59-60页 |
| ·分类方法的选择与实验 | 第60-70页 |
| ·三种分类方法与无监督特征选择 | 第61-65页 |
| ·三种分类方法与有监督特征选择 | 第65-68页 |
| ·三种分类方法与优化的特征选择 | 第68-70页 |
| ·分类实验结果总结 | 第70页 |
| ·本章小结 | 第70-72页 |
| 第7章 总结与展望 | 第72-74页 |
| ·本文工作总结 | 第72-73页 |
| ·进一步展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-79页 |
| 致谢 | 第79页 |
